agent-browser
看清页面,再操作和核对
让助手通过页面快照和元素编号读取网页、测试表单、比较截图,并在验证登录状态后继续任务。

作者列出的使用环境
- Claude Code
- Codex
- Cursor
- Gemini CLI
- GitHub Copilot
- OpenCode
- Windsurf
- Goose
- GitHub Star
- 44,874
- 版本
- 0.41.0
- 资料核对
先完成一页公开资料清单
选一个无需登录的小页面,明确要取的字段。用本任务独有的会话读取、保存证据并抽查,再进入会提交数据的流程或复用登录状态。
选一个任务,开始使用
完成下方安装与首次配置后,把 brief.md 和对应提示词交给助手。SESSION_ID、URL 和页面标记都是待替换项;文件保存由助手或终端完成,不是 CLI 自动生成整份报告。
从实际呈现的页面提取有限范围内的字段与链接。
安装 CLI、Chrome 与 Skill 入口
本页固定 CLI 0.41.0;npm 全局安装程序,第二步下载浏览器,第三步选择宿主并安装发现入口。操作指南用 skills get core 从已安装版本读取。当前仓库入口与发布版路径已比对。
查看作者安装说明npm install -g [email protected] agent-browser install npx skills add vercel-labs/agent-browser首次路径:安装 → 读取指南 → 独立会话
在终端运行安装区三条命令;第三步选择你的助手与安装位置。用 agent-browser --version 核对 0.41.0,再让助手运行 agent-browser skills get core。创建 brief.md,写一个公开页面 URL、三至五个字段、可见加载标记和最多读取几页。选一个未被其他任务使用的 SESSION_ID,只用字母、数字、连字符或下划线;后续每条浏览器命令都带同一个 --session。建立本任务的 evidence/ 目录,再执行第一条提示词,核对清单后关闭这个会话。
作者的安装与宿主接入说明把这段话发给 AI
以下提示词和三格展示由编辑编写,未在真实站点执行;它们描述预期交付物,不是作者实测案例。
使用 agent-browser,先运行 agent-browser skills get core,完整阅读返回的操作指南及 brief.md。将 SESSION_ID 换成本任务独有名称,将 URL 换成真实地址;以 agent-browser --session SESSION_ID --headed false --idle-timeout 10m open URL 打开页面,不登录或提交表单。按 brief.md 的实际文字或选择器等待加载完成,例如 agent-browser --session SESSION_ID wait --text "READY_TEXT",先替换 READY_TEXT。 运行 agent-browser --session SESSION_ID snapshot -i --urls --json,保存为 evidence/page.snapshot.json,先检查命令是否成功。再用同一会话的 get title、get url、get text body 读取标题、实际地址和正文;正文另存 evidence/body.txt。-i 只列交互元素,不能把它当作整页内容;需要单个链接时用新快照里的编号读取 href。 按指定字段生成 items.csv 与 coverage.md,记录来源 URL、读取时间、页码或滚动范围。只在 brief.md 允许的范围内翻页;每次页面改变后重新取快照。缺失字段留空,页面未显示的内容不能补猜,也不把一个分页或滚动窗口称作全站数据。 抽查至少三条记录的文字和链接;不足三条就全部检查。需要视觉证据时,先建好 evidence/,再用 agent-browser --session SESSION_ID screenshot --annotate ./evidence/page.png 并查看图片。报告范围与未取到的字段;无论成功或失败,退出前运行 agent-browser --session SESSION_ID close,只关闭本任务会话。
检查你拿到的结果
- 带来源链接和缺失字段的清单。
- 原始快照、正文与明确的读取范围。
- 抽查记录;需要时附实际查看过的截图。
进一步了解这个 Skill
agent-browser 是 Vercel Labs 的浏览器命令行工具,配套 Skill 告诉助手怎样使用它。npx skills add 安装的是发现入口;实际操作前运行 agent-browser skills get core,读取当前安装包携带的指南。工具可以独立执行命令,Skill 则把观察、操作、等待和核对组织起来。
典型循环是打开页面、等待具体内容出现、取得快照,再用 @e1 这类编号定位元素。点击或导航后重新观察,依据新页面继续。文字快照帮助理解控件,带编号的截图补充视觉位置;两者都不能代替对业务结果的判断。
本页选四种不同产物:公开页面清单、测试表单记录、视觉变化说明,以及恢复测试账号后的只读报告。它们共用观察循环,但对输入、状态保存和结果检查的要求不同。下面的命令以本地 Chrome 路径为主。
来源与核验
资料核对
按提交 099e84e 和 v0.41.0 发布树核对本文路径;未安装 CLI、启动浏览器、登录或提交数据。