Agent-Browser – AIのためのブラウザ自動化

Agent-Browser は、AIエージェント向けに設計されたブラウザ自動化CLIです。本体は100%ネイティブなRustで実装されており、コンパクトなテキスト出力により、AIのコンテキスト使用量を最小限に抑えます。npmやHomebrewでインストールできるほか、npxを使ってインストールせずに試すこともできます。初回は agent-browser install でChromeをダウンロードします。

このツールの特徴は「ref（参照）」方式です。snapshotコマンドはアクセシビリティツリーを返し、各要素には @e1 や @e2 のような一意の参照が付けられます。完全なDOMと比べてテキスト出力はおよそ200〜400トークンで済み、DOM全体では3000〜5000トークンかかることもあります。refはスナップショット内の正確な要素を指すため、DOMの再取得が不要で、高速かつ決定的です。LLMにとってもテキスト出力は自然に解析できます。

機能は50以上のコマンドを備え、ナビゲーション、フォーム、スクリーンショット、ネットワーク、ストレージ、ファイル、タブ、フレーム、デバッグなどをカバーします。ビデオ録画、ストリーミング、デバッグ、プロファイラー、差分表示ツールも内蔵されています。最新のWebアプリ向けに、ネットワーク制御、ReactとWeb Vitals、initスクリプト、Next.js + Vercel、eve拡張機能のワークフローに関するドキュメントも充実しています。さらに、セッション、プロファイル、認証状態、Cookie、ストレージ、プロキシ、セキュリティ管理により、長時間実行されるエージェントをサポートします。

アーキテクチャはクライアント・デーモン方式です。Rust製CLIがコマンドを解析してデーモンと通信し、ネイティブデーモンはChrome DevTools Protocolを通じてChromeを直接制御します。デーモンは自動的に起動し、コマンド間で常駐します。デフォルトでは、設定された復元状態を保存し、ヘッドレスブラウザを閉じた後、1時間コマンドやダッシュボード操作がないと終了します。--restoreなどの復元キーがない場合、終了時に一時的なブラウザ状態や開いているタブは破棄されます。ヘッド付きブラウザ、SafariおよびiOS WebDriverセッション、ユーザーが接続したブラウザはデフォルトのタイムアウト対象外ですが、プロバイダー所有のクラウドブラウザは対象です。--idle-timeoutまたは環境変数AGENT_BROWSER_IDLE_TIMEOUT_MSでタイムアウトを調整でき、0を指定すると無効になります。

対応プラットフォームはmacOS（ARM64、x64）、Linux（ARM64、x64）、Windows（x64）です。Claude Code、Cursor、GitHub Copilot、OpenAI Codex、Google Gemini、opencodeなど、シェルコマンドを実行できる任意のエージェントと連携できます。