Agent Browser

一个基于 Rust 的快速无头浏览器自动化 CLI 工具，支持 Node.js 回退方案，使 AI 代理能够通过结构化命令实现页面导航、点击、输入和截图操作。

使用场景

• 自动化网页交互（如登录、表单填写、数据抓取）
• 从页面中提取结构化数据
• 测试网页 UI 或工作流程
• 程序化填写表单

前置条件

• Node.js ≥ 18
• npm install -g agent-browser（仅需执行一次以安装 CLI 工具）

工作原理

1. agent-browser open <url> → 启动浏览器并导航至指定页面
2. agent-browser snapshot -i → 获取具有稳定引用标识的可交互元素（例如 @e1）
3. 使用引用进行操作：click @e1、fill @e2 "text"、wait @e3
4. agent-browser close → 清理资源并关闭浏览器

核心功能

• 支持通过访问性树或仅交互元素模式生成快照
• 精确的元素操作（点击、填入、悬停、拖拽、上传）
• 等待条件（元素可见、URL 变更、网络空闲）
• 截图、PDF 导出、视频录制
• Cookie/存储/网络控制
• 标签页/窗口/框架管理
• 输出 JSON 格式结果，便于程序解析

示例用法

agent-browser open https://example.com/login
agent-browser snapshot -i
agent-browser fill @e1 "user@example.com"
agent-browser fill @e2 "password123"
agent-browser click @e3
agent-browser wait --url "/dashboard"