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列工具，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。該工具支援從 npm 或 Homebrew 安裝，也支援透過 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、網路控制、儲存、檔案、標籤頁、框架和除錯等場景。它內建了影片錄製、流式輸出、偵錯程式、效能分析器和頁面差異對比工具。對於現代應用，它還提供網路控制、React 與 Web Vitals、初始化指令碼、Next.js 與 Vercel 以及 eve 擴充套件工作流的文件。此外，會話、配置檔、認證狀態、Cookie、儲存、代理和安全控制讓長時間執行的代理任務成為可能。

在架構上，Agent-Browser 採用客戶端-守護程序模式。Rust CLI 負責解析命令並與守護程序通訊；原生守護程序使用 Chrome DevTools Protocol 直接管理 Chrome。守護程序會在命令之間自動保持執行，預設情況下每間隔一小時沒有命令或儀表盤輸入就儲存恢復狀態並退出。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開啟的標籤頁。有頭瀏覽器、Safari 和 iOS WebDriver 會話，以及使用者手動附加的瀏覽器不受預設超時限制，但云瀏覽器例外。使用者可以透過 --idle-timeout 或環境變數 AGENT_BROWSER_IDLE_TIMEOUT_MS 調整超時時間，設定為 0 可停用。

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