什么是 agent-browser？
如果你用过AI编程助手，大概遇到过这种情况：你想让AI帮你测试一个网页、填一个表单、或者抓取某条数据，AI说“我给你写个Playwright脚本，你跑一下”。然后你复制代码、装依赖、运行、报错、改代码、再运行……
AI能思考，但动不了手。它看不到屏幕，点不了按钮，填不了表单。
agent-browser 就是来解决这个问题的。它是 Vercel Labs 开源的一个浏览器自动化 CLI 工具，专门为 AI 智能体设计。用 Rust 编写，通过 Chrome DevTools Protocol（CDP）直接控制 Chrome 或 Chromium 浏览器。安装之后，AI 可以像人一样打开网页、点击按钮、填写表单、截图、提取数据——全程不需要你写一行自动化脚本。
截至 2026 年 8 月初，agent-browser 的安装量已超过 61 万次，GitHub 星标超过 3.9 万。在 Claude Code 技能排行榜上，它是增速最快的技能之一。
主要功能
1. 不用 CSS 选择器，用“眼睛”看页面
这是 agent-browser 最核心的设计理念。传统的浏览器自动化工具（如 Playwright、Puppeteer）依赖 CSS 选择器或 XPath 来定位元素——你要告诉工具“去找那个 class 里带 submit 的按钮”。网页改个样式，脚本就挂了。
agent-browser 换了个思路。你运行 agent-browser snapshot 命令，它会给当前页面拍一张“无障碍树快照” ，把页面上每个可交互的元素（按钮、输入框、链接等）都打上一个唯一标签，比如 @e1、@e2、@e3。
- button "Submit" [ref=e2] - textbox "Email" [ref=e3]
然后操作就变成了：“点击 @e2”，“在 @e3 里填个邮箱”。这跟人眼看页面、指哪打哪的逻辑一模一样——底层 DOM 结构怎么变，都不影响。
2. Rust 实现，速度快到“秒回”
agent-browser 的 CLI 用 Rust 编写，背后挂了一个 Node.js daemon 来管理浏览器实例。daemon 一直在后台运行，命令发过去几乎是秒响应。对于那种需要连续操作几十步的复杂任务，这种低延迟体验比传统的“每次启动一个浏览器”快太多了。
3. 会话持久化——登录一次，一直有效
很多自动化场景需要登录——比如测试一个需要认证的内部系统。传统的做法是把登录步骤写进脚本里，每次跑都重新登录一遍，慢且容易出问题。
agent-browser 支持保存和加载浏览器会话。登录一次，把会话存下来，后续所有操作都复用这个已认证的会话。你甚至可以开着真实的 Chrome（带你的个人 profile）来操作。
4. 三种浏览器模式，灵活适配
Headless Chromium：无头模式，适合服务器端批量运行
真实 Chrome（带 profile） ：有界面，适合调试和需要登录态的场景
云端远程浏览器：支持代理配置，适合需要特定 IP 或地理位置的场景
5. 内置 7 个专项技能，开箱即用
agent-browser 不是一个单一工具，而是一套技能体系。除了最核心的 core 技能外，还内置了 6 个专项技能：
core：核心浏览器自动化——导航、快照、表单、截图、数据提取、会话管理、命令参考。大多数浏览器任务从这开始。
dogfood：系统性探索性测试。像一个真实用户一样浏览应用，找出 Bug 和 UX 问题，生成带截图和回放视频的结构化报告。
derive-client：逆向工程网站的内部 API。把浏览器流量录制成 HAR 文件，识别真实端点，生成一个完全不需要浏览器的独立客户端或 CLI。
electron：自动化任何 Electron 应用（VS Code、Slack、Discord、Figma 等），通过连接其内置的 Chrome DevTools Protocol 端口。
slack：基于浏览器的 Slack 自动化——检查未读、浏览频道、搜索对话、发送消息、提取数据。
vercel-sandbox：在 Vercel Sandbox 微 VM 中运行 agent-browser + headless Chrome。
agentcore：在 AWS Bedrock AgentCore 云浏览器上运行 agent-browser。
如何安装 agent-browser
第一步：安装 CLI 工具
agent-browser 本身是一个独立的 CLI 工具，需要通过 npm 全局安装：
npm install -g agent-browser
安装完成后，下载 Chromium 浏览器（只需一次）：
agent-browser install在 Linux 上如果遇到系统依赖问题，可以加上 --with-deps：
agent-browser install --with-deps第二步：安装 Vercel Skills 技能
npx skills add vercel-labs/agent-browser这条命令会安装一个轻量的发现技能（discovery skill） 。它本身不包含具体的使用指令，只负责让 AI 知道“有 agent-browser 这个工具可以用”，并指引 AI 在需要的时候通过 agent-browser skills get 命令从 CLI 中获取最新的技能内容。
这种设计解决了版本漂移的问题——技能文件（SKILL.md）很少变化，而 CLI 始终提供匹配自身版本的最新指令，所以 AI 永远不会用到过时的文档。
验证安装
agent-browser skills list
agent-browser skills get core
应用场景
场景一：AI 自动化测试
你写了一个 Web 应用，想让它自己跑一遍登录、注册、下单的流程，看看有没有报错。以前你得写 Playwright 脚本，现在只需要对 AI 说“测试一下这个网站的登录流程”，AI 就会用 agent-browser 打开浏览器、填表单、点按钮、截图验证。
场景二：数据抓取
你需要从一个网站上抓取一批数据，但网站结构复杂，有登录、有分页、有动态加载的内容。用传统的爬虫框架写起来很麻烦，用 agent-browser，AI 可以像人一样操作页面，把数据一步步提取出来。
场景三：逆向工程网站 API
这是 agent-browser 最让人惊喜的功能之一。有些网站没有公开的 API，但前端页面会向后端发请求。用 derive-client 技能，AI 可以录制浏览器和服务器之间的所有网络请求，分析出真正的 API 端点，然后生成一个独立的客户端——以后就再也不需要打开浏览器了。
场景四：Electron 应用自动化
你用的 VS Code、Slack、Discord 本质上是 Electron 应用。agent-browser 可以连接到这些应用内置的 Chrome DevTools 端口，自动化操作它们。比如让 AI 自动在 Slack 里发消息、在 Discord 里管理频道。
场景五：探索性 QA 测试
dogfood 技能让 AI 像一个真实的用户一样“瞎逛”你的网站——点这里、点那里、填表单、提交——然后生成一份报告，告诉你哪里有问题、哪里体验不好。这比你手工点一遍要全面得多，也快得多。
使用案例
案例一：从“写脚本”到“说句话就行”
一个开发团队需要定期对 staging 环境做冒烟测试——确认登录、注册、支付等核心流程都正常。以前的做法是：维护一套 Playwright 脚本，每次环境更新都要改脚本，很烦。
安装了 agent-browser 后，他们在 CI 流程里加了一步：让 AI 自动执行“测试 staging 环境的登录和支付流程”。AI 会打开浏览器、执行操作、截图、生成测试报告。脚本维护的工作量降到了零。
案例二：把一个 SaaS 网站“变成”API
一位开发者想从一个 SaaS 产品的网页版里批量导出数据，但对方没有提供 API。他用 agent-browser 的 derive-client 技能，让 AI 录制了自己在网页上的操作和网络请求。AI 分析 HAR 文件后，生成了一个可以直接调用的 Node.js 客户端。从此批量导出数据只需要一行命令，再也不用打开浏览器手动操作了。
案例三：QA 团队用 AI 做“狗粮测试”
一个产品团队在发布新功能之前，会让 AI 用 dogfood 技能对新功能做一轮探索性测试。AI 会像一个真实用户一样使用新功能——点各种按钮、填各种表单、尝试各种边界情况——然后生成一份报告，附带每一步的截图和操作视频。QA 团队从“手工点一遍”变成了“看 AI 的报告、确认修复”。
案例四：AI 自己给自己“打工”
最极致的用法是：开发者让 AI 用 agent-browser 去测试 agent-browser 自己的官网。AI 打开页面、点击链接、验证功能、截图——整个过程完全自动化。这相当于 AI 在测试自己的工具链。
总结
agent-browser 解决的是一个非常根本的问题：AI 能思考，但动不了手。
它给 AI 装上了一双“眼睛”（无障碍树快照 + ref 标签）和一双“手”（click、fill、type 等命令）。从此 AI 不只是“告诉你该怎么操作浏览器”——它可以直接操作。
不用 CSS 选择器：用
snapshot+@e1标签，指哪打哪Rust 实现：速度快，daemon 常驻，命令秒响应
会话持久化：登录一次，一直有效
内置 7 个专项技能：覆盖测试、抓取、逆向工程、Electron、Slack 等场景
生态验证：61 万+安装量，增速最快的技能之一
如果你希望 AI 能真正动手做网页操作、测试、抓取，而不是只给你写脚本让你自己跑，agent-browser 可能是你装过的所有技能里，最能让 AI “长出双手”的那一个。
◯ 评论 0