agent-browser 入门：AI 时代的浏览器自动化 CLI

安装

全局安装（推荐）

npm install -g agent-browser
agent-browser install  # 首次自动下载 Chrome for Testing

macOS Homebrew

brew install agent-browser
agent-browser install

验证安装

agent-browser doctor

doctor 检查环境、Chrome 安装、守护进程状态，输出诊断报告。

最快的浏览器自动化流程

# 1. 打开页面
agent-browser open https://example.com

# 2. 获取页面结构（Accessibility Tree）
agent-browser snapshot

# 3. 按 ref 操作元素
agent-browser click @e2     # 点击 ref=e2 的元素
agent-browser fill @e3 "user@example.com"  # 在 ref=e3 填入文本

# 4. 截图
agent-browser screenshot page.png

# 5. 关闭
agent-browser close

整个过程不需要写任何代码，全 CLI 操作。

Snapshot + Ref 定位机制

agent-browser 与传统浏览器自动化工具最大的区别在于元素定位方式：

方式	工具	原理	稳定性
CSS 选择器	Playwright/Puppeteer	依赖 DOM 结构和 class/id	页面改版易失效
XPath	Selenium	依赖 DOM 路径	页面结构变化易失效
Accessibility Ref	agent-browser	基于可访问性树	语义不变则稳定

工作流程

# 获取带 ref 的 snapshot
agent-browser snapshot

# 输出示例：
# [1] @e1 heading "Welcome"
# [2] @e2 button "Sign In"
# [3] @e3 textbox "Email"
# [4] @e4 textbox "Password"
# [5] @e5 button "Submit"

# 直接通过 ref 操作
agent-browser click @e2    # 点击 Sign In
agent-browser fill @e3 "my@email.com"
agent-browser fill @e4 "mypassword"
agent-browser click @e5    # 提交

传统选择器同样支持

agent-browser click "#submit"
agent-browser fill "#email" "test@example.com"
agent-browser find role button click --name "Submit"

常用命令速查

类别	命令	说明
导航	`open <url>`	打开页面
定位	`snapshot`	获取 Accessibility Tree + ref
点击	`click <sel>`	点击元素
输入	`fill <sel> <text>`	清空并填入
输入	`type <sel> <text>`	追加输入
截图	`screenshot [path]`	截屏
截图	`screenshot --full`	全页截图
截图	`screenshot --annotate`	编号标注截图
JS	`eval <js>`	执行 JavaScript
获取	`get title` / `get url`	获取标题/URL
获取	`get text <sel>`	获取元素文本
等待	`wait <ms>` / `wait <sel>`	等待
关闭	`close`	关闭浏览器

对接代理

采集目标站时，需要通过代理隐藏出口 IP：

# 设置 HTTP 代理环境变量
export HTTP_PROXY=http://user:pass@proxy.16yun.cn:8888
export HTTPS_PROXY=http://user:pass@proxy.16yun.cn:8888

# agent-browser 自动继承
agent-browser open https://example.com

也支持通过启动参数传入（查看高级用法章节）。

验证代理是否生效

# 打开 IP 检测页面
agent-browser open https://httpbin.org/ip

# 查看出口 IP
agent-browser get text body

配合亿牛云产品的推荐方案

场景	代理产品	配置方式
单次测试	爬虫代理	环境变量 `HTTP_PROXY`
批量采集	API 代理	每次操作前切换代理
长期任务	独享代理	固定出口，配合 session 持久化

CLI 与 AI Agent 的配合

agent-browser 的设计初衷就是给 AI Agent 使用：

# AI Agent 生成的操作序列
agent-browser batch \
  "open https://example.com/login" \
  "fill @e3 admin@example.com" \
  "fill @e4 password123" \
  "click @e5"

# 或通过 chat 模式自然语言控制
agent-browser chat "打开 example.com，登录后截取仪表盘截图"

batch 模式避免了每次命令启动新进程的开销，chat 模式让 AI 直接理解页面内容。

下一步

本文介绍了基本操作和定位机制
下一篇：Snapshot 与截图——让爬虫「看懂」页面的高级用法

安装