illegalCreed

中文

English

中文

English

Appearance

Agent Browser ​

Agent Browser（vercel-labs/agent-browser）是 Vercel Labs 官方出品的浏览器自动化 CLI，面向 AI 编码 agent 设计。底层基于 Chrome DevTools Protocol（CDP），用原生 Rust daemon 驱动 Chrome/Chromium——不依赖 Playwright 或 Puppeteer、不需要常驻 Node.js。它把 web 上的 navigate / snapshot / fill / click / extract / screenshot 等全谱系交互，封装成 agent 用得起来的 @eN ref + 命令式调用，跨 Claude Code、Cursor、Codex、OpenCode、Gemini CLI、Copilot、Windsurf、Goose 等主流 agent。一行 npm i -g agent-browser 装好，对话里说「open example.com」它就开始干活。

评价 ​

优点

  • CDP 直驱、Rust daemon：跳过 Node/Playwright 包裹层，命令冷启动快；daemon 跨命令复用，连续交互如同一个会话
  • snapshot + @eN ref 心智：把页面元素编号成 @e1 @e2 …，agent 不用解析原始 HTML，单次快照约 200–400 tokens，最适合 LLM
  • 自然语言 + 命令双轨：chat "<指令>" 走 AI 翻译成命令链；也可直接 open / click @e1 / fill @e2 "..." 精确控制
  • 多 skill 自适应：主 skill（agent-browser）+ 域 skill（core / electron / slack / dogfood / vercel-sandbox / agentcore）覆盖桌面应用、Slack 自动化、QA、云浏览器等场景
  • 真实浏览器栈：原生 Chrome、可复用 Chrome profile、IndexedDB/service worker 都在；React DevTools 钩子、Web Vitals、video 录制一应俱全
  • 可观测 + 可插拔：4848 端口的本地 dashboard 实时看 viewport 和命令流；plugin 协议支持 credential / browser provider / launch mutator / 自定义命令
  • 安全开关全 opt-in：auth vault（凭据加密、LLM 看不见密码）、--allowed-domains（导航白名单 + WebRTC 收口）、--content-boundaries（输出隔离防注入）、--max-output、--confirm-actions

缺点 / 边界

  • 平台驱动假设：默认走 Chrome for Testing，移动端只能 iOS Simulator（需 macOS + Xcode + Appium），Android 无官方 provider
  • WebGPU 截图有上游限制：headless Chrome 在 Windows/Linux 抓 WebGPU 画面会黑，需 --headed + 桌面/Xvfb
  • skill 是「发现桩」：.claude/skills/agent-browser/SKILL.md 是 7 行的瘦桩，真正的指令要 agent-browser skills get core 在线拉取——离线环境得自己缓存
  • 命令面巨大：core / network / state / debug / tabs / react / mobile / all 八个 profile 几百条命令，新人需要先抓主循环（open → snapshot → click @eN）
  • 不是无头浏览器产品本身：它驱动 Chrome，不是替代 Puppeteer/Playwright 的库，主要服务 agent 工作流

适用场景 ​

  • agent 需要「真打开一个网页、看到东西、点按钮、抓数据、截图」——而非 HTTP fetch
  • 跨 agent 工具链统一浏览器层（Claude Code / Cursor / Codex 共用一套 skill）
  • 自动化 Electron 桌面应用（VS Code / Slack / Discord / Figma / Notion / Spotify）
  • 把浏览器跑进 Vercel Sandbox microVM 或 AWS Bedrock AgentCore 云浏览器
  • 做探索式测试 / dogfood / bug hunt / React 性能溯源（react tree + Web Vitals）

边界 ​

  • 不是浏览器引擎，是 agent 控制层：底层仍是 Chrome（或 Lightpanda/Safari/iOS）
  • 不替代 E2E 测试框架：适合 agent 即兴驱动，Cypress/Playwright Test 仍是回归套件
  • 桌面自动化 ≠ 通用 RPA：Electron 走 CDP，原生应用（无 CDP 端点）不覆盖
  • 凭据安全靠用户落实：vault 加密但密钥本地、state 文件默认明文，需自行 AGENT_BROWSER_ENCRYPTION_KEY

官方文档 ​

agent-browser.dev ｜ skills.sh · vercel-labs/agent-browser ｜ Vercel Labs

GitHub 地址 ​

vercel-labs/agent-browser（Apache-2.0）

内容地图 ​

  • 入门 —— 定位、安装、多 skill 总览、CDP 心智模型
  • 指南 —— skills 体系、snapshot+ref 工作流、自然语言 chat、CDP 优势、反模式
  • 参考 —— skill 清单、安装矩阵、命令分类、许可、链接

幻灯片地址 ​

Agent Browser

测试题 ​

Agent Browser 测试题