Agent Browser：面向 AI 代理的浏览器自动化 CLI
为 AI 代理打造的高性能 Rust 浏览器自动化命令行工具，提供快照、点击、填写、截图等能力。
证据显示：CLI 提供多种命令，但未明确权限最小化设计；有用户确认机制（如对话框处理），但未全面覆盖；数据流透明度有限，未详细说明数据收集；敏感数据处理（如 cookies、credentials）有命令，但未说明安全存储；依赖安全未明确；外部影响（如网络请求、文件写入）有命令，但未限制；回滚机制未提及；来源归属明确（Vercel Labs），但未验证。扣分：缺乏权限最小化、用户确认、数据流透明、敏感数据安全、依赖安全、外部影响控制、回滚机制的具体证据。
证据显示：命令文档一致，但未验证实际行为；依赖（Chrome）有安装说明，但未验证可用性；失败消息有提及（如点击失败），但未全面。扣分：未执行测试，无法验证一致性、依赖可用性和失败消息的准确性。
证据显示：面向 AI 代理和开发者，场景广泛；能力边界有说明（如 read 不读 llms-full.txt）；触发精度有说明（如 refs）；环境适配有说明（如 Linux 依赖）。扣分：未验证实际适配性，部分边界未明确。
证据显示：信息架构清晰（README 详细）；安装说明完整；命名稳定（命令一致）；示例丰富；已知限制部分提及（如 read 不读 llms-full.txt）；许可证明确（Apache-2.0）；版本和变更日志有（CHANGELOG.md）；维护责任明确（Vercel Labs）。扣分：已知限制不全面，未提及所有限制。
证据显示：输出可用（如 snapshot、screenshot）；边际价值高（提供多种功能）；成本效益合理（免费开源）。扣分：未验证实际输出质量，成本效益未量化。
证据显示：README 中的声明有部分支持（如命令列表），但未提供测试结果；跨来源验证有限（仅 README 和 CI）；事实与推断未明确区分。扣分：缺乏测试证据，声明未充分验证。
- 未验证的发布者身份，需谨慎对待。
- 静态审查，未执行测试，实际行为未验证。
- 敏感数据处理（如 cookies、credentials）未说明安全存储，需注意。
- 依赖安全未明确，需检查依赖漏洞。
这个 Agent 能做什么，适合哪些场景？
Agent Browser 是 Vercel Labs 开发的原生 Rust CLI，专为 AI 代理设计，用于浏览器自动化。它通过后台守护进程保持浏览器会话，提供稳定的元素引用（ref）系统，使 AI 能够基于可访问性树快照进行确定性交互。除核心操作外，还支持网络拦截、HAR 录制、Cookie 管理、会话持久化、React 内省、Web Vitals 指标、可访问性审计以及 MCP 服务器集成。它支持无头模式，并可通过 Chrome for Testing 自动下载 Chrome。
agent-browser CLI 提供了一套完整的浏览器自动化命令：open、snapshot、click、fill 等。它通过 CDP 连接 Chrome 或 Lightpanda 引擎，使用后台守护进程保持会话。快照命令返回带 ref 的可访问性树（如 @e1），AI 可用这些 ref 进行交互。它支持 CSS、XPath 和语义定位器（如 find role button）。可提取页面文本（read）、运行 JavaScript（eval）、管理 cookie 和存储、记录网络请求和 HAR 文件。还包括 React 组件树检查（需 --enable react-devtools）和 Web Vitals 性能指标。它提供 MCP 服务器（agent-browser mcp）供客户端通过 stdio 调用。安全功能包括域白名单、内容边界标记、动作策略和动作确认。
- 需要可重复、确定性浏览器交互的 AI 代理，例如自动化测试或数据抓取。
- 开发者希望利用现有 Chrome 登录状态（通过 profile 复用）自动执行需要认证的流程。
- QA 工程师用快照和 ref 进行可访问性审计（使用内置 axe-core）和视觉回归（diff 截图）。
- 前端开发者使用 React DevTools 集成检查组件树、suspense 状态和 Web Vitals。
- AI 编程助手需要浏览器访问来验证开发的 UI、填充表单或检查页面状态。
- 希望与其 AI 工作流集成浏览器的 MCP 用户，通过标准 MCP 协议。
这个 Agent 有哪些优点和局限？
- Rust 编写的原生 CLI，速度快，后台守护进程支持命令链式执行。
- ref 系统提供确定性选择，避免 CSS 选择器在动态页面中的脆弱性。
- 内置 Chrome 下载（Chrome for Testing），无需单独安装浏览器。
- 提供 MCP 服务器，可无缝集成到支持 MCP 的 AI 工具。
- 包含安全功能：域白名单、动作确认、内容边界标记。
- 核心功能依赖 Chrome（或 Lightpanda），Safari/iOS 支持有限。
- 高级功能（React 内省、WebGPU）可能需要特定启动参数或配置。
- 从源码构建需要 Node.js 24+、pnpm 11+ 和 Rust，对某些用户门槛较高。
- AI 聊天功能依赖 Vercel AI Gateway，需要 API 密钥。
- 文档非常庞大，新用户可能感到信息过载。
如何安装或部署这个 Agent？
推荐全局安装：npm install -g agent-browser，然后运行 agent-browser install 下载 Chrome（来自 Chrome for Testing）。也支持 Homebrew：brew install agent-browser；Cargo：cargo install agent-browser。从源代码构建需要 Node.js 24+、pnpm 11+ 和 Rust：克隆仓库后运行 pnpm install && pnpm build && pnpm build:native && pnpm link --global，最后 agent-browser install。Linux 用户可能需要 agent-browser install --with-deps 来安装系统库。
如何使用这个 Agent？
首先安装 Chrome：agent-browser install。然后打开页面并获取快照：agent-browser open example.com 和 agent-browser snapshot -i。使用快照中的 ref 执行操作：agent-browser click @e2、agent-browser fill @e3 "text"。获取文本：agent-browser get text @e1。截图：agent-browser screenshot page.png。关闭：agent-browser close。也可以使用传统 CSS 选择器：agent-browser click "#submit"。MCP 使用：配置客户端启动 agent-browser mcp。
这个 Agent 与同类方案有什么区别？
与 Playwright 或 Puppeteer 相比，agent-browser 专为 AI 代理设计，提供基于 ref 的快照系统、后台守护进程和 MCP 集成，而 Playwright/Puppeteer 是更通用的库，需要更多编程工作。
常见问题
它需要单独的浏览器吗？
agent-browser install 会从 Chrome for Testing 下载 Chrome。也可以自动检测并使用现有的 Chrome、Brave、Playwright 或 Puppeteer 安装。它如何处理登录状态？
--profile）、持久配置文件（--profile <path>）、会话持久化（--session + --restore）、从正在运行的 Chrome 导入认证状态（--auto-connect）以及状态文件。AI 聊天功能是否免费？
chat 命令）通过 Vercel AI Gateway 工作，需要 AI_GATEWAY_API_KEY。如果没有密钥，聊天功能不可用，但所有其他自动化功能无需密钥。它支持无头模式吗？
--headed 打开可见窗口进行调试。在 Linux 无显示环境，它会自动使用 Xvfb。