什么是agent-browser？
agent-browser 是一款专为 AI 智能体设计的浏览器自动化命令行工具。它用 100% 原生 Rust 编写，启动快、资源占用低，特别适合在 AI 代理（如 Claude、Copilot、Gemini 等）调用时高效执行网页操作。与传统自动化工具不同，agent-browser 输出的是紧凑的文本格式，大幅减少大语言模型（LLM）处理时所需的上下文 token 数量，让 AI 更快、更准地理解页面内容。
该工具采用“引用（ref）”机制，通过快照（snapshot）生成带唯一标识的可访问性树，让你无需重复查询 DOM 就能精准点击或填写表单。无论你是开发者、AI 工程师，还是构建智能爬虫或自动化工作流，agent-browser 都能提供轻量、稳定且跨平台的解决方案。
agent-browser的核心功能有哪些？
- AI 友好输出以简洁文本形式返回页面结构，比完整 DOM 节省 80% 以上的 token
- 基于引用（Ref）的操作每个元素分配唯一 ID（如 @e1），实现确定性交互，避免定位漂移
- 原生 Rust 性能命令解析和浏览器控制均由高性能 Rust 实现，响应迅速
- 多会话支持可同时运行多个隔离的浏览器实例，各自保持独立登录状态和 Cookie
- 跨平台兼容支持 macOS（ARM64/x64）、Linux（ARM64/x64）和 Windows（x64）
- 50+ 内置命令涵盖导航、表单填写、截图、网络监控、本地存储等完整自动化能力
- 自动守护进程架构CLI 与后台 daemon 协同工作，复用 Chrome 实例，提升效率
agent-browser的使用案例有哪些？
- 让 AI 编程助手（如 Cursor 或 GitHub Copilot）自动打开网页并提取关键信息
- 构建轻量级智能爬虫，定期抓取动态内容并生成结构化摘要
- 在自动化测试中快速验证页面元素是否存在或可交互
- 为 LLM 提供实时网页上下文，用于问答或决策支持
- 批量执行登录、表单提交、截图等重复性网页任务
- 在无头环境中调试前端行为，配合 CDP（Chrome DevTools Protocol）深度控制
如何使用agent-browser？
- 全局安装：运行
npm install -g agent-browser（或 macOS 上用brew install agent-browser） - 首次使用前执行
agent-browser install自动下载所需 Chrome 版本 - 用
agent-browser open example.com打开目标网站 - 执行
agent-browser snapshot -i获取带 ref 标识的页面结构 - 使用
agent-browser click @e2等命令基于 ref 精准操作元素 - 完成后用
agent-browser close关闭当前会话
