Agent Browser

通过命令行实现网页导航、表单填写、截图及数据提取的自动化流程。

已扫描

项目

内容

适合谁

开发者、测试工程师

不适合谁

无技术背景的普通用户、无需网页交互的纯文本处理者

国内可用性

需网络配置。可能需要网络配置或第三方服务可访问。

安装难度

新手友好（★☆☆）。基于终端操作、依赖、API Key 和本地环境要求的初步判断。

安装与下载

复制命令安装

openclaw skills install @murphykobe/agent-browser-2

官方 ZIP下载官方 ZIP

Skill 说明

命令、参数、文件名以原文为准

使用 agent-browser 进行浏览器自动化

快速入门

agent-browser open <url>        # 打开网页
agent-browser snapshot -i       # 获取可交互元素及其引用（refs）
agent-browser click @e1         # 通过引用点击元素
agent-browser fill @e2 "text"   # 通过引用填写输入框
agent-browser close             # 关闭浏览器

核心工作流程

导航：agent-browser open <url>
快照：agent-browser snapshot -i（返回带引用的可交互元素，如 @e1, @e2）
使用快照中获取的引用进行操作
导航或发生显著 DOM 变化后重新执行快照

命令

agent-browser open <url>      # 打开指定 URL（别名：goto, navigate）
                              # 支持协议：https://, http://, file://, about:, data://
                              # 若未指定协议，自动补全为 https://
agent-browser back            # 后退
agent-browser forward         # 前进
agent-browser reload          # 刷新页面
agent-browser close           # 关闭浏览器（别名：quit, exit）
agent-browser connect 9222    # 通过 CDP 端口连接浏览器

快照（页面分析）

agent-browser snapshot            # 获取完整的无障碍树
agent-browser snapshot -i         # 仅获取可交互元素（推荐使用）
agent-browser snapshot -c         # 紧凑输出格式
agent-browser snapshot -d 3       # 限制深度为 3 层
agent-browser snapshot -s "#main" # 限定作用域为指定 CSS 选择器

操作（使用快照中的 @refs）

agent-browser click @e1           # 点击元素
agent-browser dblclick @e1        # 双击
agent-browser focus @e1           # 聚焦元素
agent-browser fill @e2 "text"     # 清空并输入文本
agent-browser type @e2 "text"     # 输入文本但不清空
agent-browser press Enter         # 按下按键（别名：key）
agent-browser press Control+a     # 组合键操作
agent-browser keydown Shift       # 按住按键
agent-browser keyup Shift         # 释放按键
agent-browser hover @e1           # 鼠标悬停
agent-browser check @e1           # 勾选复选框
agent-browser uncheck @e1         # 取消勾选复选框
agent-browser select @e1 "value"  # 选择下拉选项
agent-browser select @e1 "a" "b"  # 多选
agent-browser scroll down 500     # 滚动页面（默认向下滚动 300px）
agent-browser scrollintoview @e1  # 将元素滚动至可视区域（别名：scrollinto）
agent-browser drag @e1 @e2        # 拖拽操作
agent-browser upload @e1 file.pdf # 上传文件

获取信息

agent-browser get text @e1        # 获取元素文本内容
agent-browser get html @e1        # 获取 innerHTML
agent-browser get value @e1       # 获取输入框值
agent-browser get attr @e1 href   # 获取属性值
agent-browser get title           # 获取页面标题
agent-browser get url             # 获取当前 URL
agent-browser get count ".item"   # 统计匹配元素数量
agent-browser get box @e1         # 获取元素边界框
agent-browser get styles @e1      # 获取计算后的样式（字体、颜色、背景等）

检查状态

agent-browser is visible @e1      # 检查元素是否可见
agent-browser is enabled @e1      # 检查元素是否可用
agent-browser is checked @e1      # 检查是否已勾选

截图与 PDF 输出

agent-browser screenshot          # 截图输出到标准输出
agent-browser screenshot path.png # 保存截图到文件
agent-browser screenshot --full   # 全页截图
agent-browser pdf output.pdf      # 保存为 PDF

视频录制

agent-browser record start ./demo.webm    # 开始录制（使用当前页面和状态）
agent-browser click @e1                   # 执行操作
agent-browser record stop                 # 停止并保存视频
agent-browser record restart ./take2.webm # 停止当前录制并开始新录制

录制会创建一个新上下文，但保留会话中的 Cookie 和存储数据。若未提供 URL，将自动返回当前页面。为获得更流畅的演示效果，建议先探索页面，再开始录制。

等待

agent-browser wait @e1                     # 等待元素出现
agent-browser wait 2000                    # 等待毫秒数
agent-browser wait --text "Success"        # 等待特定文本出现（别名：-t）
agent-browser wait --url "**/dashboard"    # 等待 URL 匹配模式（别名：-u）
agent-browser wait --load networkidle      # 等待网络空闲（别名：-l）
agent-browser wait --fn "window.ready"     # 等待 JavaScript 条件满足（别名：-f）

鼠标控制

agent-browser mouse move 100 200      # 移动鼠标
agent-browser mouse down left         # 按下鼠标按钮
agent-browser mouse up left           # 释放鼠标按钮
agent-browser mouse wheel 100         # 滚动鼠标滚轮

语义定位器（替代引用的另一种方式）

agent-browser find role button click --name "Submit"
agent-browser find text "Sign In" click
agent-browser find text "Sign In" click --exact      # 仅精确匹配
agent-browser find label "Email" fill "user@test.com"
agent-browser find placeholder "Search" type "query"
agent-browser find alt "Logo" click
agent-browser find title "Close" click
agent-browser find testid "submit-btn" click
agent-browser find first ".item" click
agent-browser find last ".item" click
agent-browser find nth 2 "a" hover

浏览器设置

agent-browser set viewport 1920 1080          # 设置视口大小
agent-browser set device "iPhone 14"          # 模拟设备
agent-browser set geo 37.7749 -122.4194       # 设置地理位置（别名：geolocation）
agent-browser set offline on                  # 切换离线模式
agent-browser set headers '{"X-Key":"v"}'     # 添加额外 HTTP 头
agent-browser set credentials user pass       # 设置 HTTP 基本认证（别名：auth）
agent-browser set media dark                  # 模拟深色主题
agent-browser set media light reduced-motion  # 浅色主题 + 减少动画

Cookies 与存储

agent-browser cookies                     # 获取所有 Cookie
agent-browser cookies set name value      # 设置 Cookie
agent-browser cookies clear               # 清除所有 Cookie

agent-browser storage local               # 获取所有 localStorage
agent-browser storage local key           # 获取指定键的值
agent-browser storage local set k v       # 设置值
agent-browser storage local clear         # 清除所有 localStorage

网络请求

agent-browser network route <url>              # 拦截请求
agent-browser network route <url> --abort      # 阻止请求
agent-browser network route <url> --body '{}'  # 模拟响应
agent-browser network unroute [url]            # 移除路由规则
agent-browser network requests                 # 查看已追踪的请求
agent-browser network requests --filter api    # 过滤 API 请求

标签页与窗口

agent-browser tab                 # 列出所有标签页
agent-browser tab new [url]       # 新建标签页
agent-browser tab 2               # 切换到指定索引的标签页
agent-browser tab close           # 关闭当前标签页
agent-browser tab close 2         # 关闭指定索引的标签页
agent-browser window new          # 新建窗口

框架（Frames）

agent-browser frame "#iframe"     # 切换到指定 iframe
agent-browser frame main          # 返回主框架

对话框处理

agent-browser dialog accept [text]  # 接受对话框
agent-browser dialog dismiss        # 取消对话框

执行 JavaScript

agent-browser eval "document.title"   # 执行 JavaScript 代码

全局选项

agent-browser --session <name> ...    # 使用独立的浏览器会话
agent-browser --json ...              # 输出 JSON 格式，便于程序解析
agent-browser --headed ...            # 显示浏览器窗口（非无头模式）
agent-browser --full ...              # 全屏截图（等价于 -f）
agent-browser --cdp <port> ...        # 通过 Chrome DevTools 协议连接
agent-browser -p <provider> ...       # 使用云浏览器服务提供商（等价于 --provider）
agent-browser --proxy <url> ...       # 使用代理服务器
agent-browser --headers <json> ...    # 为 URL 的源设置 HTTP 头信息
agent-browser --executable-path <p>   # 指定自定义浏览器可执行文件路径
agent-browser --extension <path> ...  # 加载浏览器扩展（可重复使用）
agent-browser --help                  # 显示帮助信息（等价于 -h）
agent-browser --version               # 显示版本号（等价于 -V）
agent-browser <command> --help        # 查看特定命令的详细帮助

代理支持

agent-browser --proxy http://proxy.com:8080 open example.com
agent-browser --proxy http://user:pass@proxy.com:8080 open example.com
agent-browser --proxy socks5://proxy.com:1080 open example.com

环境变量

AGENT_BROWSER_SESSION="mysession"            # 默认会话名称
AGENT_BROWSER_EXECUTABLE_PATH="/path/chrome" # 自定义浏览器可执行文件路径
AGENT_BROWSER_EXTENSIONS="/ext1,/ext2"       # 以逗号分隔的扩展路径列表
AGENT_BROWSER_PROVIDER="your-cloud-browser-provider"  # 云浏览器服务提供商（如 browseruse 或 browserbase）
AGENT_BROWSER_STREAM_PORT="9223"             # WebSocket 流媒体端口
AGENT_BROWSER_HOME="/path/to/agent-browser"  # 自定义安装路径（用于 daemon.js）

示例：表单提交

agent-browser open https://example.com/form
agent-browser snapshot -i
# 输出显示：文本框 "Email" [ref=e1]，文本框 "Password" [ref=e2]，按钮 "Submit" [ref=e3]

agent-browser fill @e1 "user@example.com"
agent-browser fill @e2 "password123"
agent-browser click @e3
agent-browser wait --load networkidle
agent-browser snapshot -i  # 检查结果

示例：保存登录状态

# 首次登录
agent-browser open https://app.example.com/login
agent-browser snapshot -i
agent-browser fill @e1 "username"
agent-browser fill @e2 "password"
agent-browser click @e3
agent-browser wait --url "**/dashboard"
agent-browser state save auth.json

# 后续会话：加载已保存的状态
agent-browser state load auth.json
agent-browser open https://app.example.com/dashboard

会话管理（并行浏览器）

agent-browser --session test1 open site-a.com
agent-browser --session test2 open site-b.com
agent-browser session list

JSON 输出（便于程序解析）

添加 --json 参数可获取机器可读的输出格式：

agent-browser snapshot -i --json
agent-browser get text @e1 --json

调试功能

agent-browser --headed open example.com   # 显示浏览器窗口
agent-browser --cdp 9222 snapshot         # 通过 CDP 端口连接
agent-browser connect 9222                # 替代方式：连接命令
agent-browser console                     # 查看控制台消息
agent-browser console --clear             # 清空控制台
agent-browser errors                      # 查看页面错误
agent-browser errors --clear              # 清空错误记录
agent-browser highlight @e1               # 高亮元素
agent-browser trace start                 # 开始录制操作轨迹
agent-browser trace stop trace.zip        # 停止并保存轨迹文件
agent-browser record start ./debug.webm   # 从当前页面开始录制视频
agent-browser record stop                 # 停止并保存录制

深入文档

有关详细用法和最佳实践，请参考以下文档：

参考链接	描述
[references/snapshot-refs.md](references/snapshot-refs.md)	引用生命周期、失效规则、故障排查
[references/session-management.md](references/session-management.md)	并行会话、状态持久化、并发抓取
[references/authentication.md](references/authentication.md)	登录流程、OAuth、双因素认证处理、状态复用
[references/video-recording.md](references/video-recording.md)	录制操作流程用于调试和文档
[references/proxy-support.md](references/proxy-support.md)	代理配置、地理测试、轮换代理

可直接使用的模板

适用于常见场景的工作流脚本：

模板	描述
[templates/form-automation.sh](templates/form-automation.sh)	带验证的表单自动填充
[templates/authenticated-session.sh](templates/authenticated-session.sh)	登录一次，复用会话状态
[templates/capture-workflow.sh](templates/capture-workflow.sh)	内容提取并生成截图

使用方法：

./templates/form-automation.sh https://example.com/form
./templates/authenticated-session.sh https://app.example.com/login
./templates/capture-workflow.sh https://example.com ./output

HTTPS 证书错误处理

对于使用自签名或无效证书的网站：

agent-browser open https://localhost:8443 --ignore-https-errors

@murphykobe

已收录 1 个 Skill