agent-browser
浏览器自动化命令行工具，专为AI代理设计。当用户需要与网站进行交互时使用，包括浏览页面、填写表单、点击按钮、截图、提取数据、测试网页应用或自动化任何浏览器任务。
技能说明
浏览器自动化命令行工具，专为AI代理设计。当用户需要与网站进行交互时使用，包括浏览页面、填写表单、点击按钮、截图、提取数据、测试网页应用或自动化任何浏览器任务。触发条件包括“打开网站”、“填写表单”、“点击按钮”、“截图”、“从页面抓取数据”、“测试此网页应用”、“登录网站”、“自动化浏览器操作”等请求，或任何需要以编程方式与网页交互的任务。
技能简介
agent-browser 是一个面向 AI Agent 的浏览器自动化 CLI 工具。它通过命令行让你或智能体直接操控网页——打开页面、填写表单、点击按钮、截图、提取数据、测试 Web 应用等，无需编写繁琐的脚本。适合需要程序化操作浏览器的各类场景。
使用场景
- 自动填写并提交网页表单（如注册、登录）
- 抓取网页内容或特定元素数据
- 对 Web 应用进行自动化测试
- 保存登录状态并在后续会话中复用
- 在 iOS 模拟器中进行移动端网页自动化
使用方法
安装该 Skill 后，Agent 可通过 Bash 调用 agent-browser 命令。核心工作流为 4 步：
- 打开页面：
agent-browser open <url> - 获取快照：
agent-browser snapshot -i（得到@e1、@e2等元素引用） - 交互操作：使用引用执行点击、填写、选择等
- 重新快照：页面变化后，获取最新引用
常用命令示例：
# 打开页面并填写表单
agent-browser open https://example.com/form
agent-browser snapshot -i
agent-browser fill @e1 "user@example.com"
agent-browser fill @e2 "password123"
agent-browser click @e3
# 等待并检查结果
agent-browser wait --load networkidle
agent-browser snapshot -i
# 获取信息与截图
agent-browser get url
agent-browser screenshot --full
agent-browser pdf output.pdf
# 保存/加载登录状态
agent-browser state save auth.json
agent-browser state load auth.json
# 并行会话（--session 指定会话名）
agent-browser --session site1 open https://site-a.com
agent-browser --session site2 open https://site-b.com
# 可视化调试（显示浏览器窗口）
agent-browser --headed open https://example.com
# iOS 模拟器（需 macOS + Xcode + Appium）
agent-browser -p ios --device "iPhone 16 Pro" open https://example.com
若元素引用失效，可使用语义定位：
agent-browser find text "Sign In" click
agent-browser find label "Email" fill "user@test.com"
agent-browser find role button click --name "Submit"
注意事项
- 页面导航、表单提交或动态内容加载后，元素引用（
@refs）会失效，必须重新执行snapshot -i获取新引用。 - iOS 模拟器功能需要 macOS、Xcode 和 Appium（安装命令：
npm install -g appium && appium driver install xcuitest）。 - 更多命令参考详见
references/commands.md。