浏览器自动化 (agent-browser)
一句话：通过 agent-browser 命令驱动浏览器完成任何网页交互任务。
核心工作流
每次操作遵循：导航 → 快照获取元素引用 → 交互 → 再次快照确认
agent-browser open https://example.com
agent-browser snapshot -i # 获取可交互元素引用 @e1, @e2...
agent-browser fill @e1 "内容"
agent-browser click @e2
agent-browser wait --load networkidle
agent-browser snapshot -i # 导航后必须重新快照
常见工作流
表单填写与提交
agent-browser open https://example.com/form
agent-browser snapshot -i
# 输出: @e1 [input "Email"], @e2 [input "Password"], @e3 [button] "登录"
agent-browser fill @e1 "user@example.com"
agent-browser fill @e2 "password123"
agent-browser click @e3
agent-browser wait --load networkidle
agent-browser snapshot -i # 确认登录结果
网页内容提取
agent-browser open https://example.com/list
agent-browser snapshot -i
agent-browser get text @e5 # 获取指定元素文本
agent-browser get text body > page.txt # 获取全页文本
agent-browser screenshot --full # 截取完整页面截图
登录状态保存与复用
# 第一次登录后保存状态
agent-browser open https://app.example.com/login
agent-browser snapshot -i
agent-browser fill @e1 "$USERNAME"
agent-browser fill @e2 "$PASSWORD"
agent-browser click @e3
agent-browser wait --url "**/dashboard"
agent-browser state save auth.json
# 后续直接复用
agent-browser state load auth.json
agent-browser open https://app.example.com/dashboard
并行多会话
agent-browser --session site1 open https://site-a.com
agent-browser --session site2 open https://site-b.com
agent-browser --session site1 snapshot -i
agent-browser --session site2 snapshot -i
连接已有 Chrome
# 自动发现本机运行中的 Chrome（需开启远程调试）
agent-browser --auto-connect snapshot
agent-browser --auto-connect open https://example.com
# 指定 CDP 端口
agent-browser --cdp 9222 snapshot
命令速查
| 命令 | 说明 |
|---|---|
open <url> | 打开 URL（别名: goto, navigate） |
snapshot -i | 获取可交互元素引用（推荐） |
snapshot -i -C | 同上，含 cursor:pointer 元素 |
click @e1 | 点击元素 |
fill @e1 "text" | 清空并输入文本 |
type @e1 "text" | 在已有内容后追加输入 |
select @e1 "选项" | 下拉框选项 |
check @e1 | 勾选复选框 |
press Enter | 按键（Tab, Escape, Control+a 等） |
scroll down 500 | 滚动页面 |
get text @e1 | 获取元素文本 |
get url | 获取当前 URL |
get title | 获取页面标题 |
wait @e1 | 等待元素出现 |
wait --load networkidle | 等待网络空闲 |
wait --url "**/page" | 等待 URL 匹配 |
wait 2000 | 等待毫秒 |
screenshot | 截图（临时目录） |
screenshot --full | 截取完整页面 |
pdf output.pdf | 保存为 PDF |
state save auth.json | 保存会话状态 |
state load auth.json | 加载会话状态 |
close | 关闭浏览器 |
重要提示
元素引用生命周期：@e1 等引用在页面变化后即失效，点击链接/提交表单后必须重新执行 snapshot -i。
语义定位器（refs 不可用时的备选方案）：
agent-browser find text "登录" click
agent-browser find label "邮箱" fill "user@test.com"
agent-browser find role button click --name "提交"
agent-browser find placeholder "搜索" type "关键词"
eval 执行 JavaScript：
# 简单表达式
agent-browser eval 'document.title'
# 复杂 JS 用 heredoc（避免引号转义问题）
agent-browser eval --stdin <<'EVALEOF'
JSON.stringify(Array.from(document.querySelectorAll("a")).map(a => a.href))
EVALEOF
更多参考
- REFERENCE.md - 完整命令参考及高级用法