agent-browser

Qu'est-ce que agent-browser ?

agent-browser est un outil de ligne de commande d'automatisation de navigateur spécialement conçu pour les agents IA et les assistants de codage dans lesquels ils s'exécutent — incluant Claude Code, Cursor, GitHub Copilot, OpenAI Codex et Google Gemini. Il produit un arbre d'accessibilité compact au lieu de HTML brut ou JSON, réduisant drastiquement la consommation de tokens tout en donnant aux agents un contrôle déterministe sur les pages web grâce à un système de sélection d'éléments basé sur les références. L'outil est construit sur une architecture client-daemon : un CLI Rust natif gère l'analyse des commandes à vitesse quasi-instantanée, tandis qu'un daemon Node.js persistant gère l'instance de navigateur Playwright sous-jacente. Avec plus de 50 commandes couvrant la navigation, l'interaction avec les formulaires, les captures d'écran, l'inspection réseau et le stockage, agent-browser fournit un contrôle de navigateur de cycle complet optimisé pour les workflows d'agents automatisés sur macOS, Linux et Windows.

Fonctionnalités clés

• Sélection d'éléments basée sur les références

  La commande snapshot retourne un arbre d'accessibilité compact où chaque élément porte une référence unique (ex: @e1), permettant une interaction déterministe et sans ambiguïté, sans nécessiter de nouvelle requête.

• Sortie efficace en tokens

  La sortie d'arbre d'accessibilité basée sur le texte utilise environ 200-400 tokens par snapshot, comparé aux 3 000-5 000 tokens pour une sortie DOM complète, gardant les fenêtres de contexte des agents allégées.

• Performance native Rust CLI

  L'analyse des commandes est gérée par un binaire Rust natif qui démarre instantanément, avec un daemon Node.js persistant gérant l'instance de navigateur Playwright en arrière-plan.

• Plus de 50 commandes de navigateur

  Ensemble de commandes complet couvrant la navigation de pages, le remplissage de formulaires, les clics, les captures d'écran, la surveillance réseau et la gestion du stockage pour un contrôle de navigateur de bout en bout.

• Support multi-sessions

  Exécutez plusieurs instances de navigateur isolées simultanément, chacune avec un état d'authentification indépendant, permettant des tâches d'agents parallèles ou des workflows multi-comptes.

• Compatibilité multiplateforme

  Binaires natifs disponibles pour macOS (ARM64 et x64), Linux (ARM64 et x64) et Windows (x64), avec un fallback npm assurant une couverture d'environnement étendue.

Cas d'utilisation

• Assistants de codage IA : Les agents dans Claude Code, Cursor ou GitHub Copilot peuvent parcourir la documentation, tester les interfaces web et remplir des formulaires dans le cadre de workflows de codage et de débogage automatisés.
• Web scraping et extraction de données : Les agents IA peuvent naviguer sur les pages, capturer des snapshots et extraire des informations structurées des sites web avec un surcoût minimal en tokens par opération.
• Tests d'interface utilisateur automatisés : Les agents QA peuvent scripter des séquences complètes d'interaction avec le navigateur — clics, soumissions de formulaires, comparaisons de captures d'écran — en utilisant des références déterministes plutôt que des sélecteurs CSS fragiles.
• Automatisation web multi-étapes : Des workflows complexes tels que la connexion aux services, le remplissage de formulaires multi-pages ou la surveillance des requêtes réseau peuvent être orchestrés via des séquences de commandes shell que tout agent peut émettre.

FAQ