Agent Browser

Agent Browser 是什么

Agent Browser 是 vercel-labs 提供的浏览器自动化 CLI，面向需要让代理操作网页或桌面应用的任务。它通过 Chrome 或 Chromium 的 CDP 连接和可访问性树快照，用紧凑的元素引用定位页面控件。适用任务包括打开网页、填写表单、点击按钮、截图、提取数据、测试 Web 应用，也覆盖 VS Code、Slack、Discord、Figma、Notion、Spotify 等 Electron 应用。

安装和核心工作流

首次使用需要全局安装 agent-browser，并执行浏览器安装步骤。SKILL.md 明确把自己定位为发现存根，真实的命令、工作流、常见模式和排障说明应通过与当前安装版本匹配的 CLI 加载 core，必要时使用 full 版本的完整参考。这样能避免页面上的简化说明与实际 CLI 版本不一致。使用者还可以列出已安装的专用 Skill，再按任务加载对应内容。

专用场景与输出

基础流程适合普通网页交互。Electron 工作流针对桌面应用，Slack 工作流处理工作区消息和搜索，dogfood 面向探索性测试与 QA，derive-client 可记录 HAR 并生成独立 API 客户端，Vercel Sandbox 和 AgentCore 则对应云端浏览器环境。常见输出包括页面快照、截图、提取的文本或结构化数据、测试观察和录制文件。输出应以当前会话和目标页面为准，不能把一个页面的元素引用复用到已经变化的页面。

权限、状态与副作用

浏览器自动化具备真实交互能力，因此点击、提交表单、发送 Slack 消息、修改在线文档或登录第三方服务都可能改变外部状态。README 还提到会话、认证保险库和状态持久化，这意味着 Cookie、令牌和已登录账户需要单独保护。执行前应确认当前页面、账户和目标，敏感操作先让人复核；提取数据也要遵守网站条款和隐私要求。它依赖 Node.js/npx、Chrome 或 Chromium 以及 CLI 本身，远程页面还需要网络。

来源与许可

本条目依据 vercel-labs/agent-browser 当前提交的 README 和完整 agent-browser/SKILL.md 整理，仓库许可证为 Apache-2.0。由于 SKILL.md 会把真实用法交给本机 CLI，安装后应再读取 core 和对应专用工作流，并以本地版本行为为准。

常见问题

1. 它能做哪些浏览器操作？

可导航网页、填写表单、点击控件、截图、提取页面数据和测试 Web 应用，也能在支持的桌面或云浏览器环境中执行相似交互。

2. 安装后第一步是什么？

先安装全局 CLI 与 Chromium，再运行 CLI 提供的 skills get core 命令读取当前版本的基础工作流。不要只依赖发现存根里的简化命令。

3. 为什么要加载 core？

仓库里的 SKILL.md 是发现存根，详细命令和排障内容由已安装 CLI 提供。加载 core 能让说明与本机版本保持一致，减少参数过期导致的失败。

4. 有哪些专用工作流？

官方文件列出 Electron、Slack、dogfood、derive-client、Vercel Sandbox 和 AgentCore 等专用工作流，可按任务再加载，不需要把所有场景一次性启用。

5. 它和 Playwright 有什么关系？

项目把自己定位为原生 Rust CLI，通过 CDP 驱动 Chrome 或 Chromium，并使用可访问性树定位元素；它不是 Playwright 或 Puppeteer 的 Node 包装层。

6. 会保存登录状态吗？

README 提到会话、认证保险库和状态持久化能力，因此可能保存或复用登录状态。使用共享电脑或敏感账户时，应检查存储范围并及时清理授权。

7. 能自动发送消息或提交表单吗？

可以执行点击、填表及 Slack 等应用自动化，所以发送消息、提交订单或修改内容都可能产生外部副作用。执行前要确认页面、账户和最终动作。

8. 适合哪些场景？

适合网页操作、数据提取、截图、QA、探索性测试、Electron 桌面应用，以及需要在 Vercel Sandbox 或 AgentCore 中运行浏览器的团队。