agent-browser
专为AI Agent构建的无头浏览器自动化CLI，通过原生Rust架构提供紧凑的文本输出和快速命令执行。
社区:
产品概览
什么是agent-browser？
agent-browser是一个专为AI Agent和运行其中的编程助手（包括Claude Code、Cursor、GitHub Copilot、OpenAI Codex和Google Gemini）构建的浏览器自动化命令行工具。它输出紧凑的无障碍树而不是原始HTML或JSON，大幅减少token消耗，同时通过基于引用的元素选择系统为Agent提供对网页的确定性控制。该工具基于客户端-守护进程架构构建：原生Rust CLI以近乎瞬时的速度处理命令解析，而持久化的Node.js守护进程管理底层的Playwright浏览器实例。拥有50多个命令，涵盖导航、表单交互、截图、网络检查和存储，agent-browser为跨macOS、Linux和Windows的自动化Agent工作流提供全周期浏览器控制优化。
主要功能
基于引用的元素选择
快照命令返回紧凑的无障碍树，其中每个元素都带有唯一的引用（例如 @e1），实现确定性、无需重新查询的交互，避免歧义。
Token高效输出
基于文本的无障碍树输出每个快照大约使用200-400个token，相比完整DOM输出的3000-5000个token，保持Agent上下文窗口精简。
原生Rust CLI性能
命令解析由原生Rust二进制文件处理，启动瞬间完成，持久化的Node.js守护进程在后台管理Playwright浏览器实例。
50+浏览器命令
全面的命令集涵盖页面导航、表单填写、点击、截图、网络监控和存储管理，实现端到端浏览器控制。
多会话支持
同时运行多个隔离的浏览器实例，每个实例都有独立的认证状态，支持并行Agent任务或多账户工作流。
跨平台兼容性
提供macOS（ARM64和x64）、Linux（ARM64和x64）和Windows（x64）的原生二进制文件，npm回退确保广泛的环境覆盖。
使用场景
- AI编程助手 : Claude Code、Cursor或GitHub Copilot内的Agent可以浏览文档、测试Web UI并填写表单，作为自动化编程和调试工作流的一部分。
- 网页抓取和数据提取 : AI Agent可以导航页面、捕获快照并从网站提取结构化信息，每次操作的token开销最小。
- 自动化UI测试 : QA Agent可以编写完整的浏览器交互序列——点击、表单提交、截图比较——使用确定性引用而不是脆弱的CSS选择器。
- 多步骤Web自动化 : 复杂的工作流，如登录服务、填写多页表单或监控网络请求，可以通过任何Agent都能发出的shell命令序列进行编排。
常见问题
agent-browser的替代方案
Devin AI
自主AI软件工程师平台，能够以最少人工干预规划、开发、测试和部署复杂软件任务。
BrowserStack
云端平台，提供数千种真实浏览器与设备的即时访问，实现全面的Web与移动应用测试。
TestMu AI
全栈 Agentic 质量工程平台，可自主规划、编写、执行和分析 Web、移动和 AI 应用的测试。
Jam
一键式缺陷报告工具，自动捕获开发者调试所需全部技术数据，支持即时回放与无缝集成。
BetterBugs
一个Chrome扩展程序，通过创建详细的、可视化的报告并丰富技术数据和AI辅助调试，简化缺陷报告流程。
Browserbase
可扩展的无头浏览器基础设施平台，用于网络自动化、测试和数据收集。
Katalon
一体化AI增强测试自动化平台，支持Web、移动端、API和桌面测试，具备丰富集成与可扩展执行能力。
Browserless
基于云端的无头浏览器自动化平台，支持 Puppeteer 和 Playwright，实现可扩展、隐身的网页爬取与自动化。