agent-browser

agent-browser是什麼

agent-browser 是 Vercel Labs 推出的面向 AI Agent 的瀏覽器自動化 CLI 工具，採用原生 Rust 編寫，基於 Chrome DevTools Protocol (CDP) 直接操控真實 Chrome 瀏覽器。工具通過緊湊的無障礙樹 Snapshot 與 Ref 引用機制，爲 LLM 提供上下文高效的網頁交互能力，支持 50+ 條瀏覽器操作命令、多會話隔離、雲瀏覽器接入及實時可觀測性 Dashboard。

查看原圖來源（外部連結）

agent-browser的主要功能

Snapshot 無障礙樹抓取：輸出緊湊的網頁無障礙樹結構，附帶 @e1、@e2 等確定性 Ref 引用，供 AI 精準定位元素。
Ref 驅動交互：基於 Snapshot 返回的 Ref 引用執行點擊、填寫、滾動、截圖等操作，無需重複查詢 DOM。
50+ 瀏覽器操作命令：涵蓋導航、表單、鼠標、鍵盤、剪貼板、網絡攔截、標籤頁管理、PDF 導出等完整瀏覽器控制能力。
語義化元素定位：支持通過 ARIA 角色、文本內容、標籤、佔位符、alt 文本等語義方式查找並操作元素。
多會話隔離：支持多實例瀏覽器會話並行運行，各自擁有獨立的 Cookie、存儲、認證與導航歷史。
網絡監控與攔截：可攔截、阻斷、Mock 網絡請求，支持 HAR 錄製及按資源類型、狀態碼、方法過濾請求。
截圖與視覺 Diff：支持全頁/視口截圖、帶編號標註的截圖、像素級視覺對比及 Snapshot 文本 Diff。
React / Web Vitals 內省：內置 React DevTools 鉤子，可輸出組件樹、Fiber 渲染記錄、Suspense 邊界及 LCP/CLS/TTFB 等性能指標。
實時流媒體與 Dashboard：通過 WebSocket 實時推送瀏覽器視口畫面，本地 Dashboard 提供活動流、控制檯輸出與 AI Chat 面板。
AI 自然語言控制：集成 Vercel AI Gateway，支持 agent-browser chat 以自然語言指令驅動瀏覽器完成複雜任務。

如何使用agent-browser

安裝 CLI：執行 npm install -g agent-browser全局安裝原生 Rust 二進制。
初始化瀏覽器：運行 agent-browser install 自動下載 Chrome for Testing，或複用現有 Chrome/Brave 安裝。
打開目標頁面：執行 agent-browser open example.com 啓動瀏覽器並導航至目標網址。
獲取頁面 Snapshot：運行 agent-browser snapshot -i 輸出交互元素無障礙樹及 Ref 引用。
執行交互操作：使用 Ref 引用執行 agent-browser click @e2、agent-browser fill @e3 "test@example.com" 等操作。
截圖或導出：執行 agent-browser screenshot page.png 或 agent-browser pdf report.pdf 保存結果。
關閉會話：運行 agent-browser close 結束當前瀏覽器會話。

agent-browser的核心優勢

AI 上下文效率優先：緊湊文本輸出相比 JSON 或完整 DOM 大幅減少 LLM 上下文佔用，專爲 Agent 工作流設計。
真實瀏覽器反檢測：基於 CDP 操控真實 Chrome 而非無頭瀏覽器，天然攜帶用戶畫像，降低被風控攔截概率。
零 Node.js 依賴：純 Rust 原生二進制，無需 Playwright 或 Node 運行時，安裝包輕量、啓動極快。
跨平台原生支持：提供 macOS (ARM64/x64)、Linux (ARM64/x64)、Windows (x64) 全平台原生編譯版本。
企業級安全機制：提供加密認證保險庫、內容邊界標記、域名白名單、動作策略文件、敏感操作確認及輸出長度限制等可選安全層。
無縫雲瀏覽器集成：支持一鍵接入 Browserless、Browserbase、Browser Use、Kernel、AWS AgentCore 等雲瀏覽器基礎設施，支持 Serverless 部署。

agent-browser的項目地址

項目官網：https://agent-browser.dev/
GitHub倉庫：https://github.com/vercel-labs/agent-browser

agent-browser的同類競品對比

維度	Agent-Browser	Browserbase Skills (browser)
開發方	Vercel Labs	Browserbase
生態歸屬	Vercel Skills (skills.sh)	skills.sh / Claude Code Plugins / OpenClaw
安裝命令	`npx skills add vercel-labs/agent-browser`	`npx skills add browserbase/skills --skill browser`
項目 Stars	32.7K	1,557（整個 skills 套件）
底層運行時	Rust 原生二進制，零 Node.js	Node.js + `browse` CLI / `stagehand` CLI
Agent 調用方式	生成 Shell 命令 (`agent-browser open`)	生成 Shell 命令 (`browse open` / `stagehand open`)
Token 開銷	極低 (~300–500 tokens，按需加載)	低 (~1K–3K tokens，緊湊 snapshot)
上下文模式	On-demand (需要時展開 Skill 指令)	On-demand
元素定位	Ref 引用 (`@e1`, `@e2`) + 語義定位	Ref 引用 (`@0-5`) + 語義定位
狀態管理	Rust Daemon 多 Session 隔離	Daemon 持久連接，支持本地/遠程切換
瀏覽器連接	本地 Chrome/CDP 直連	本地 + 雲端雙模式（`browse env remote` 一鍵切換）
雲瀏覽器集成	需手動配置 Provider（Browserbase/Kernel 等）	原生深度集成，stealth/proxy/captcha 開箱即用
核心特色	5 個內置 Skill（core/electron/slack/sandbox/agentcore），支持 Electron 桌面應用控制	13 個 Skill 套件（browser/fetch/search/functions/site-debugger 等），含 AutoBrowse 自改進循環
反檢測能力	強（直連真實 Chrome CDP，多會話隔離）	極強（雲端 stealth 模式、住宅代理、自動 CAPTCHA 解決、指紋隨機化）
適用場景	自定義 Agent 底座、Electron 自動化、多會話並行、本地隱私優先	高風控網站自動化、電商/預訂流程、需要代理和反 bot、雲端彈性擴展