首页 注册 登录
OA0 = Omni AI 0
OA0 是一个探索 AI 的论坛
现在注册
已注册用户请  登录
OA0  ›  技能包  ›  tekin：基于 Rust 的超快无头浏览器自动化工具（带 Node.js 后备方案）

tekin：基于 Rust 的超快无头浏览器自动化工具（带 Node.js 后备方案）

 
  pullrequest ·  2026-02-16 18:07:43 · 3 次点击  · 0 条评论  

名称： Agent Browser
描述： 一个基于 Rust 的快速无头浏览器自动化 CLI，支持 Node.js 回退，使 AI 代理能够通过结构化命令导航、点击、输入和截取页面快照。
阅读时间：
- 自动化网页交互
- 从页面提取结构化数据
- 以编程方式填写表单
- 测试 Web UI
元数据： {"clawdbot":{"emoji":"🌐","requires":{"bins":["node","npm"]}}}
允许工具： Bash(agent-browser:*)

使用 agent-browser 进行浏览器自动化

安装

推荐使用 npm

npm install -g agent-browser
agent-browser install
agent-browser install --with-deps

从源码安装

git clone https://github.com/vercel-labs/agent-browser
cd agent-browser
pnpm install
pnpm build
agent-browser install

快速开始

agent-browser open <url>        # 导航到页面
agent-browser snapshot -i       # 获取带引用标识的交互元素
agent-browser click @e1         # 通过引用标识点击元素
agent-browser fill @e2 "text"   # 通过引用标识填写输入框
agent-browser close             # 关闭浏览器

核心工作流

  1. 导航：agent-browser open <url>
  2. 快照：agent-browser snapshot -i（返回带有 @e1、@e2 等引用标识的元素）
  3. 使用快照中的引用标识进行交互
  4. 在导航或 DOM 发生重大变化后重新获取快照

命令

导航

agent-browser open <url>      # 导航到 URL
agent-browser back            # 后退
agent-browser forward         # 前进
agent-browser reload          # 重新加载页面
agent-browser close           # 关闭浏览器

快照（页面分析）

agent-browser snapshot            # 完整的无障碍树
agent-browser snapshot -i         # 仅交互元素（推荐）
agent-browser snapshot -c         # 紧凑输出
agent-browser snapshot -d 3       # 限制深度为 3
agent-browser snapshot -s "#main" # 限定到 CSS 选择器范围

交互（使用快照中的 @refs）

agent-browser click @e1           # 点击
agent-browser dblclick @e1        # 双击
agent-browser focus @e1           # 聚焦元素
agent-browser fill @e2 "text"     # 清空并输入
agent-browser type @e2 "text"     # 输入（不清空）
agent-browser press Enter         # 按键
agent-browser press Control+a     # 组合键
agent-browser keydown Shift       # 按下键
agent-browser keyup Shift         # 释放键
agent-browser hover @e1           # 悬停
agent-browser check @e1           # 勾选复选框
agent-browser uncheck @e1         # 取消勾选复选框
agent-browser select @e1 "value"  # 选择下拉框选项
agent-browser scroll down 500     # 滚动页面
agent-browser scrollintoview @e1  # 滚动元素到视图中
agent-browser drag @e1 @e2        # 拖放
agent-browser upload @e1 file.pdf # 上传文件

获取信息

agent-browser get text @e1        # 获取元素文本
agent-browser get html @e1        # 获取 innerHTML
agent-browser get value @e1       # 获取输入框值
agent-browser get attr @e1 href   # 获取属性
agent-browser get title           # 获取页面标题
agent-browser get url             # 获取当前 URL
agent-browser get count ".item"   # 统计匹配元素数量
agent-browser get box @e1         # 获取边界框

检查状态

agent-browser is visible @e1      # 检查是否可见
agent-browser is enabled @e1      # 检查是否启用
agent-browser is checked @e1      # 检查是否已勾选

截图与 PDF

agent-browser screenshot          # 截图到标准输出
agent-browser screenshot path.png # 保存到文件
agent-browser screenshot --full   # 全页截图
agent-browser pdf output.pdf      # 保存为 PDF

视频录制

agent-browser record start ./demo.webm    # 开始录制（使用当前 URL 和状态）
agent-browser click @e1                   # 执行操作
agent-browser record stop                 # 停止并保存视频
agent-browser record restart ./take2.webm # 停止当前录制并开始新的录制

录制会创建一个新的上下文，但会保留会话中的 cookie/存储。如果未提供 URL，它会自动返回到当前页面。为了获得流畅的演示效果，建议先探索页面，然后再开始录制。

等待

agent-browser wait @e1                     # 等待元素
agent-browser wait 2000                    # 等待毫秒数
agent-browser wait --text "Success"        # 等待文本出现
agent-browser wait --url "/dashboard"      # 等待 URL 模式
agent-browser wait --load networkidle      # 等待网络空闲
agent-browser wait --fn "window.ready"     # 等待 JS 条件

鼠标控制

agent-browser mouse move 100 200      # 移动鼠标
agent-browser mouse down left         # 按下鼠标按钮
agent-browser mouse up left           # 释放鼠标按钮
agent-browser mouse wheel 100         # 滚动鼠标滚轮

语义定位器（替代引用标识）

agent-browser find role button click --name "Submit"
agent-browser find text "Sign In" click
agent-browser find label "Email" fill "user@test.com"
agent-browser find first ".item" click
agent-browser find nth 2 "a" text

浏览器设置

agent-browser set viewport 1920 1080      # 设置视口大小
agent-browser set device "iPhone 14"      # 模拟设备
agent-browser set geo 37.7749 -122.4194   # 设置地理位置
agent-browser set offline on              # 切换离线模式
agent-browser set headers '{"X-Key":"v"}' # 额外 HTTP 头
agent-browser set credentials user pass   # HTTP 基本认证
agent-browser set media dark              # 模拟配色方案

agent-browser cookies                     # 获取所有 cookie
agent-browser cookies set name value      # 设置 cookie
agent-browser cookies clear               # 清除 cookie
agent-browser storage local               # 获取所有 localStorage
agent-browser storage local key           # 获取特定键
agent-browser storage local set k v       # 设置值
agent-browser storage local clear         # 清除所有

网络

agent-browser network route <url>              # 拦截请求
agent-browser network route <url> --abort      # 阻止请求
agent-browser network route <url> --body '{}'  # 模拟响应
agent-browser network unroute [url]            # 移除路由
agent-browser network requests                 # 查看跟踪的请求
agent-browser network requests --filter api    # 过滤请求

标签页与窗口

agent-browser tab                 # 列出标签页
agent-browser tab new [url]       # 新建标签页
agent-browser tab 2               # 切换到标签页
agent-browser tab close           # 关闭标签页
agent-browser window new          # 新建窗口

框架

agent-browser frame "#iframe"     # 切换到 iframe
agent-browser frame main          # 返回主框架

对话框

agent-browser dialog accept [text]  # 接受对话框
agent-browser dialog dismiss        # 关闭对话框

JavaScript

agent-browser eval "document.title"   # 运行 JavaScript

状态管理

agent-browser state save auth.json    # 保存会话状态
agent-browser state load auth.json    # 加载保存的状态

示例：表单提交

agent-browser open https://example.com/form
agent-browser snapshot -i
# 输出显示：文本框 "Email" [ref=e1], 文本框 "Password" [ref=e2], 按钮 "Submit" [ref=e3]

agent-browser fill @e1 "user@example.com"
agent-browser fill @e2 "password123"
agent-browser click @e3
agent-browser wait --load networkidle
agent-browser snapshot -i  # 检查结果

示例：使用保存状态进行身份验证

# 登录一次
agent-browser open https://app.example.com/login
agent-browser snapshot -i
agent-browser fill @e1 "username"
agent-browser fill @e2 "password"
agent-browser click @e3
agent-browser wait --url "/dashboard"
agent-browser state save auth.json

# 后续会话：加载保存的状态
agent-browser state load auth.json
agent-browser open https://app.example.com/dashboard

会话（并行浏览器）

agent-browser --session test1 open site-a.com
agent-browser --session test2 open site-b.com
agent-browser session list

JSON 输出（用于解析）

添加 --json 以获取机器可读的输出：

agent-browser snapshot -i --json
agent-browser get text @e1 --json

调试

agent-browser open example.com --headed              # 显示浏览器窗口
agent-browser console                                # 查看控制台消息
agent-browser console --clear                        # 清除控制台
agent-browser errors                                 # 查看页面错误
agent-browser errors --clear                         # 清除错误
agent-browser highlight @e1                          # 高亮元素
agent-browser trace start                            # 开始录制跟踪
agent-browser trace stop trace.zip                   # 停止并保存跟踪
agent-browser record start ./debug.webm              # 从当前页面开始录制
agent-browser record stop                            # 保存录制
agent-browser --cdp 9222 snapshot                    # 通过 CDP 连接

故障排除

  • 如果在 Linux ARM64 上找不到命令，请使用 bin 文件夹中的完整路径。
  • 如果找不到元素，请使用快照来查找正确的引用标识。
  • 如果页面未加载，请在导航后添加等待命令。
  • 使用 --headed 查看浏览器窗口以进行调试。

选项

  • --session <name> 使用隔离的会话。
  • --json 提供 JSON 输出。
  • --full 进行全页截图。
  • --headed 显示浏览器窗口。
  • --timeout 设置命令超时（毫秒）。
  • --cdp <port> 通过 Chrome DevTools 协议连接。

注意事项

  • 引用标识在每次页面加载期间是稳定的，但在导航后会改变。
  • 导航后务必重新获取快照以获取新的引用标识。
  • 对于输入框，使用 fill 而不是 type 以确保清空现有文本。

报告问题

  • 技能问题：在 https://github.com/TheSethRose/Agent-Browser-CLI 提交问题。
  • agent-browser CLI 问题：在 https://github.com/vercel-labs/agent-browser 提交问题。
技能包地址：https://github.com/openclaw/skills/tree/main/skills/gwqwghksvq-sketch/tekin/SKILL.md
3 次点击  ∙  0 人收藏  
登录后收藏  
目前尚无回复
0 条回复
About   ·   Help   ·    
OA0 - Omni AI 0 一个探索 AI 的社区
沪ICP备2024103595号-2
Developed with Cursor