它是什么
agent-browser 是 Vercel Labs 推出的浏览器自动化 CLI，用 Rust 编写，目标用户是 AI Agent。它把「打开网页、读取页面、点击元素」拆成一条条独立的 shell 命令：Agent 先执行 snapshot 得到页面的紧凑文本表示，每个可交互元素都带一个类似 @e1 的引用编号；Agent 再按编号发命令，然后重新读取页面确认结果，如此循环。
和 Playwright、Puppeteer 这类需要先写脚本的框架不同，它采用「一次一条命令」的方式：浏览器在命令之间保持打开，每次调用都极短，正好贴合大模型「思考—调用—观察」的循环，不必让模型生成整套自动化脚本。
核心功能
- 快照读取：
snapshot把整页转成精简的可访问性树文本，每个元素附 ref 编号，比直接读取原始 HTML 节省大量上下文 token。 - ref 元素操作：点击、输入、跳转都可直接作用于快照里的引用；同时支持 CSS 选择器、文本、XPath 和
find role button click --name "Submit"这类语义定位。 - 常驻守护进程：首条命令会自动拉起后台 daemon，通过 Chrome DevTools Protocol 控制浏览器；每个
--session拥有独立进程和浏览器，闲置一小时后自动收尾，可配置会话持久化。 - 多引擎与远程浏览器：默认使用 Chrome for Testing，也能用
--cdp接管已开的 Chrome，切换 Lightpanda、Obscura 引擎，或接 Browserbase、Browserless 等云端浏览器。 - 失败即报错：当目标被遮挡、禁用或在视口之外时，点击会明确失败，不会假报成功，促使 Agent 重新快照再重试。
适用场景
- 给编码 Agent 补上「上网查资料、填表单、点按钮」的能力；
- 需要登录态和多步交互的网页任务，传统爬虫抓不到的动态页面；
- 在服务器或 CI 里做端到端检查，用几条命令替代一整套脚本；
- 把浏览器操作接入自研 Agent 框架，作为工具调用的一环。
上手建议
安装很省事：npm install -g agent-browser，再跑一次 agent-browser install 下载 Chrome for Testing；macOS 也可用 Homebrew，Linux 记得加 --with-deps 补齐系统依赖库。不想安装可直接 npx agent-browser open example.com 试水。
建议先用官方 quick start 的五步走一遍：open → snapshot -i → click @e1 → get url → close，体会「快照—动作—再快照」的节奏。写 Agent 提示词时务必强调 ref 有时效性：页面跳转或 DOM 变化后必须重新 snapshot，否则引用会失效；遇到 cookie 提示条之类遮挡元素，先关掉再重试。需要并行任务用 --session 隔离，要复用登录态则配置会话持久化即可。
