Agent-Browser – 面向 AI 代理的瀏覽器自動化工具

Agent-Browser 是一款專為 AI 代理設計的瀏覽器自動化命令行工具，由 100% 原生 Rust 編寫。它以緊湊的文本輸出為核心，取代了龐大的 JSON 或 DOM 結構，從而顯著減少 AI 模型的上下文（token）消耗。該工具支持從 npm 或 Homebrew 安裝，也支持通過 npx 直接試用。首次使用時，agent-browser install 會自動下載 Chrome 瀏覽器。

Agent-Browser 採用“引用（ref）”機制：snapshot 命令會返回一棵可訪問性樹，每個元素都帶有如 @e1、@e2 這樣的唯一引用。相比完整 DOM，這種文本輸出大約只需 200 到 400 個 token，而完整 DOM 可能需要 3000 到 5000 個 token。由於引用指向快照中的確切元素，後續操作無需重新查詢 DOM，既確定又快速，也更符合 LLM 的解析習慣。

功能方面，Agent-Browser 提供了 50 多條命令，涵蓋導航、表單、截圖、網絡控制、存儲、文件、標籤頁、框架和調試等場景。它內置了視頻錄製、流式輸出、調試器、性能分析器和頁面差異對比工具。對於現代應用，它還提供網絡控制、React 與 Web Vitals、初始化腳本、Next.js 與 Vercel 以及 eve 擴展工作流的文檔。此外，會話、配置檔、認證狀態、Cookie、存儲、代理和安全控制讓長時間運行的代理任務成為可能。

在架構上，Agent-Browser 採用客户端-守護進程模式。Rust CLI 負責解析命令並與守護進程通信；原生守護進程使用 Chrome DevTools Protocol 直接管理 Chrome。守護進程會在命令之間自動保持運行，默認情況下每間隔一小時沒有命令或儀表盤輸入就保存恢復狀態並退出。如果沒有使用 --restore 等恢復鍵，退出時會丟棄臨時瀏覽器狀態和打開的標籤頁。有頭瀏覽器、Safari 和 iOS WebDriver 會話，以及用户手動附加的瀏覽器不受默認超時限制，但云瀏覽器例外。用户可以通過 --idle-timeout 或環境變量 AGENT_BROWSER_IDLE_TIMEOUT_MS 調整超時時間，設置為 0 可禁用。

Agent-Browser 提供 macOS（ARM64、x64）、Linux（ARM64、x64）和 Windows（x64）的原生二進制，兼容 Claude Code、Cursor、GitHub Copilot、OpenAI Codex、Google Gemini、opencode 等任何能運行 Shell 命令的代理環境。