AI 编程助手已经能写代码、改文件、跑测试了，但它还缺一只手：打开浏览器。Vercel Labs 开源的 agent-browser 就是补上这一块的工具——一个原生 Rust 写的命令行浏览器自动化工具，专为 AI Agent 设计，让 Claude Code、Cursor、Codex 这类助手直接在 shell 里开网页、读页面、点按钮、填表单、截图录像。项目 2026 年 1 月上线，截至发稿已有 4.6 万多星，11 月 8 日当天新增 3000 多星、冲上 GitHub Trending 日榜前列，Apache-2.0 开源。
它是怎么让 Agent 用浏览器的
agent-browser 的核心是一个很简单的循环：快照 → 按编号操作 → 再快照确认。Agent 不用去解析整页 DOM，而是先用 snapshot 拿到一张紧凑的无障碍树，每个元素带一个编号引用，比如 @e1；然后直接对编号下命令，比如 click @e1；操作完再拍一张快照，看结果对不对，再决定下一步。浏览器在命令之间一直开着，每一步都是一次短 shell 调用。
官方文档给出的数字很能说明省 token 这件事：快照文本大约只占 200–400 token，而完整 DOM 要 3000–5000 token。对靠上下文吃饭的 Agent 来说，这个差距直接决定了它能连续操作多少步。
三分钟上手
装好之后只需要三条命令就能跑起来：
npm install -g agent-browser # 全平台通用
brew install agent-browser # macOS 也可用 Homebrew
agent-browser install # 首次使用，下载 Chrome for Testing
# 不想装也可以直接试：
# npx agent-browser open example.com装好后一个最简单的流程是这样的：
agent-browser open example.com
agent-browser snapshot -i # 只看可交互元素，每个带编号
agent-browser click @e1 # 按编号点元素
agent-browser get url # 看一眼当前地址确认结果
agent-browser close除了按编号操作，也支持 CSS 选择器、文本、XPath 和语义定位，比如 agent-browser find role button click --name "Submit"。点按失败时它会直接报错而不是谎报成功——比如目标被隐藏、被禁用、在可视区域外，或者被 cookie 横幅盖住了，先处理遮挡再重试。
50 多个命令，能做的事不少
按官方文档的分组，这个 CLI 有 50 多个命令：
| 分组 | 命令举例 |
|---|---|
| 导航与读取 | open、back、forward、reload、read、snapshot、get |
| 交互 | click、dblclick、fill、type、press、hover、scroll、drag、upload |
| 等待 | wait（等元素、等文字、等地址、等 JS 条件） |
| 截图与录制 | screenshot、pdf、record、download、diff |
| 页面与网络状态 | cookies、storage、network、eval、clipboard |
| 标签页与会话 | tab、frame、dialog、session、state、auth、profiles |
| 调试与性能 | console、errors、trace、profiler、vitals、react |
| Agent 集成 | skills、mcp、webmcp、flow、chat、batch、plugin |
几个值得单独提的点：录制功能可以把一次操作录下来并生成联络表（本文首图就是官方的录制示例）；会话保持让登录态、Cookie 能跨命令保留，适合需要登录后才能操作的长流程；调试命令能直接读控制台报错、看性能指标，Agent 自己排错时很有用。
怎么接进你的 Agent
agent-browser 自带与它版本匹配的 Skill，用法很直接：
agent-browser skills get core # 核心循环、编号引用与常用流程
agent-browser skills get core --full # 再加完整命令参考与模板
npx skills add vercel-labs/agent-browser # 把发现用 Skill 装进 Agent 工具链也可以在 AGENTS.md 里写一句 Use agent-browser for browser automation，让 Agent 第一次用之前先读核心 Skill。如果用的是 MCP 客户端，agent-browser mcp 可以直接起一个 stdio 的 MCP 服务器。官方列出的适配对象包括 Claude Code、Cursor、GitHub Copilot、OpenAI Codex、Google Gemini 和 opencode，基本上只要 Agent 能跑 shell 命令就能接。
它跟 Playwright 有什么不一样
Playwright、Puppeteer 是给人写脚本用的库，agent-browser 是给 Agent 在 shell 里一句一句用的 CLI。它的对手不是自动化测试框架，而是 Agent 以往“只能读、不能点”的短板：以前 Agent 想验证一个页面效果，得靠人截图转述；现在它可以自己打开、自己点、自己看结果、自己改。同样是让 Agent 自己动手的思路，Craft Anything 是指给 AI 一个网站或应用、它自己学着重做一个；而 agent-browser 是让 Agent 直接上手操作真实的浏览器。
适合谁用，先注意什么
最适合的是两类人：一是每天让 Claude Code、Cursor 干活的开发者，想让 Agent 顺手帮你填个表单、跑一遍页面流程、截几张图验收；二是做 Agent 工作流的人，需要一个稳定、可脚本化的浏览器操作层。工具本身跨平台，macOS（ARM64 与 x64）、Linux、Windows 都有原生二进制，Mac 上一条 brew install agent-browser 就能装。
要注意的是，浏览器自动化会碰到登录态和敏感操作，官方文档专门有一章讲安全：认证保管库、域名白名单、操作策略与内容边界。只在自己的账号和有授权的站点上用，别拿它去碰别人的登录态。另外它默认用 Chrome for Testing 浏览器，也可以接自己正在跑的 Chrome（--cdp）、iOS 模拟器里的 Mobile Safari，或 Browserbase 这类云端浏览器。
如果你之前给 Claude Code 装 Skill 是照着教程一步步来的，可以先看这篇Claude Code Skill 安装使用指南，再把 agent-browser 的 Skill 接进去；对 Agent 安全审计那套流程感兴趣的，还可以看看Cloudflare 的 security-audit-skill，让 Agent 按六阶段流程给代码做安全审计。
项目地址：github.com/vercel-labs/agent-browser；完整文档在 agent-browser.dev。转自 GitHub 作者 Vercel Labs 的项目《agent-browser》，原文链接：https://github.com/vercel-labs/agent-browser
暂无评论内容