vercel-labs/agent-browser

解決的問題

agent-browser 是專為 AI 代理設計的高性能瀏覽器自動化 CLI。它透過提供快速、原生的 Rust 接口，消除傳統瀏覽器自動化工具的複雜性，讓代理無需依賴完整的 Node.js 或 Playwright 環境，即可與網頁互動、導航頁面並提取資料。

工作原理

該工具作為 CLI 執行，透過 Chrome for Testing 控制基於 Chromium 的瀏覽器。它提供一個專用的 snapshot 命令，產生包含引用（例如 @e1, @e2）的可存取性樹，使 AI 代理能使用穩定的句柄，而非脆弱的 CSS 選取器，來識別與操作元素。它還包含一個 read 命令，可從 URL 或活躍的 DOM 中取得對代理友善的文本（Markdown 或純文字），以及一個 batch 模式，可在單一程序中執行多個命令，以減少開銷。

適用對象

需要瀏覽網頁、自動化基於瀏覽器的工作流程，或對網頁進行視覺與結構分析的 AI 代理開發者。

主要亮點

• AI 優化互動：使用包含元素引用的可存取性樹快照，實現更可靠的代理導航。
• 原生效能：使用 Rust 建構，提供快速的 CLI 體驗。
• 全面控制：支援完整的瀏覽器互動，包括點擊、填寫表單、鍵盤/滑鼠控制、網路攔截與 Cookie 管理。
• 代理友善讀取：專用的 read 命令優先處理 Markdown 與 llms.txt，便於 LLM 相容的內容萃取。
• 批次執行：可透過參數或 JSON 標準輸入，在一次呼叫中執行多個命令，以最小化啟動延遲。
• 狀態管理：內建支援儲存與載入認證狀態，以及管理瀏覽器儲存空間。