认识agent-browserVercel Labs如何用Rust打造AI Agent专属的浏览器自动化工具【免费下载链接】agent-browserBrowser automation CLI for AI agents项目地址: https://gitcode.com/gh_mirrors/agen/agent-browseragent-browser是 Vercel Labs 开源的浏览器自动化工具 CLI专为 AI Agent 设计。它用 Rust 编写编译成单个原生二进制通过 Chrome DevTools ProtocolCDP直接驱动 Chrome无需 Node.js、Playwright 或 Puppeteer。它的招牌设计是「快照 引用」工作流AI 不用解析动辄几 MB 的原始 HTML只需读取约 200~400 个 token 的可访问性树就能点击、填表、截图、取数大幅降低了 LLM 操作网页的上下文成本。为什么 AI Agent 需要专属的浏览器自动化工具传统方案Playwright、Puppeteer面向人类开发者写代码脚本、处理依赖、维护选择器。但 AI Agent 驱动浏览器时痛点完全不同上下文爆炸一页 HTML 常超过 LLM 的 token 预算Agent 根本读不完启动开销每次命令都要拉起 Node.js 运行时 浏览器Agent 循环操作时延迟累积明显状态管理Agent 任务常常跨多轮对话登录态、Cookie、会话如何持久化是关键难题agent-browser 针对这三点做了针对性设计并且把输出格式--json、等待策略、会话隔离都做成对 LLM 友好的形态。一键安装 agent-browser最快配置方法agent-browser 提供四种安装方式任选其一方式命令适合人群npm推荐npm install -g agent-browser所有平台的 JS 用户Homebrewbrew install agent-browsermacOS 用户Cargocargo install agent-browserRust 开发者源码构建pnpm install pnpm build:native想参与开发的人安装后执行一次agent-browser install它会从 Google 官方的 Chrome for Testing 通道自动下载专用 Chrome并自动检测系统已有的 Chrome / Brave 安装。Linux 用户可加--with-deps一并装好系统依赖。版本升级也只需一句agent-browser upgrade工具会自动识别你的安装方式并执行对应的更新命令。核心工作流「快照 引用」三步操作网页agent-browser 最核心的设计是让 AI 像看菜单点菜一样操作网页而不是啃整本菜谱。整个循环只有四步agent-browser open https://example.com # 1. 打开页面 agent-browser snapshot -i # 2. 获取可交互元素的快照带引用 agent-browser click e3 # 3. 用引用操作元素 agent-browser snapshot -i # 4. 页面变化后重新快照快照输出类似这样每个元素都带一个eN引用e1 [heading] Log in e3 [input typeemail] placeholderEmail e4 [input typepassword] placeholderPassword e5 [button typesubmit] Continue为什么引用比选择器更适合 AI确定性e3精确指向快照那一刻的元素不存在选择器命中多个节点的歧义省 token紧凑的可访问性树替代了原始 HTML官方数据约 200~400 tokens 即可覆盖一个交互页面快速不需要二次查询 DOM命中即操作当然传统方式也全部支持CSS 选择器click #submit、文本/XPathclick textSubmit、语义定位器find role button click --name Submit都能作为后备方案。详细原理可参考核心技能文档 skill-data/core/SKILL.md 中的 snapshot-and-ref 工作流章节。架构解析为什么是 Rust打开 cli/Cargo.toml 可以看到整个 CLI 是纯 Rust 实现依赖轻量tokio、rustls、tokio-tungstenite 等发布配置还开启了 LTO 优化和符号剥离追求极致的启动速度和二进制体积。agent-browser 采用客户端-守护进程client-daemon架构Rust CLI解析命令与守护进程通信Rust 守护进程纯 Rust 实现直连 CDP完全不需要 Node.js守护进程在第一条命令时自动启动并在后续命令之间常驻默认空闲 1 小时后自动保存状态并退出防止资源泄漏。这意味着 Agent 的「快照→点击→快照」循环中浏览器始终热着命令之间几乎没有冷启动开销。守护进程与 CDP 客户端的核心实现位于 cli/src/native/ 目录包括 daemon.rs守护进程生命周期、browser.rs浏览器会话管理和 cdp/CDP 协议客户端等模块。团队还在 benchmarks/ 目录维护了系统化的基准测试对比了命令延迟导航、快照、截图、点击、Agent 循环与冷启动、内存占用等指标这是它敢宣称快的底气所在。6 个让 AI Agent 更稳、更安全的高级能力1. 多会话隔离与登录态持久化Agent 经常需要并行操作多个网站、多个账号。--session name为每个会话提供独立的浏览器实例、Cookie 和历史记录配合--restoreCookie 和 localStorage 会在关闭时自动保存、下次自动恢复登录一次即可长期复用。敏感场景下还能用AGENT_BROWSER_ENCRYPTION_KEY开启 AES-256-GCM 静态加密状态文件落盘即密文。2. 内置 MCP Server一行接入 AI 编程助手agent-browser mcp一条命令把整个 CLI 能力以 Model Context Protocol 工具的形式暴露给 Claude Code、Cursor 等 MCP 客户端。工具按core、network、react等 profile 分组默认只加载常用核心避免工具列表撑爆模型上下文。3. Skills让 Agent 随版本更新的操作手册agent-browser skills get coreAgent 不需要硬编码用法运行时直接拉取与当前 CLI 版本严格匹配的指令文档。内置了核心操作、Electron 应用、Slack 自动化、探索性测试、Vercel 沙箱等多套技能包源文件在 skill-data/ 目录下。4. 可观测 Dashboard实时盯着 Agent 的浏览器agent-browser dashboard start启动本地 Web 面板默认 4848 端口提供实时视口画面、命令活动流、控制台输出还能直接在界面里创建会话、配置 AI Chat。前端是一个独立的 Next.js 应用源码在 packages/dashboard/。5. 云浏览器 Provider本地没有浏览器也能跑在 Serverless、CI 环境里用-p标志一键切换到云浏览器所有命令照常工作agent-browser -p browserbase open https://example.com已支持 Browserbase、Browserless、Browser Use、Kernel、AWS Bedrock AgentCore 等主流厂商凭据走环境变量即可。6. 安全围栏把 Agent 关在可信域名里AI 驱动真实浏览器最大的风险是提示词注入。agent-browser 提供了一组默认关闭、按需启用的安全开关--allowed-domains域名白名单同时封禁 WebRTC、Worker 等旁路通道、--content-boundaries用边界标记包裹页面输出防止 LLM 把页面内容当指令、--confirm-actions对敏感操作要求显式批准、--max-output限制输出长度防止上下文灌爆。配套的技能文档 skill-data/core/references/trust-boundaries.md 写明了完整的信任边界规则。源码导览如何读懂这个项目仓库结构清晰新人可以从以下路径切入cli/src/native/—— Rust 守护进程与自动化核心动作执行、快照生成、CDP 客户端、React 内省、WebGPU、WebDriveriOS/Safaricli/src/doctor/—— 环境诊断器agent-browser doctor会逐项检查 Chrome、守护进程、网络并做真实启动测试skill-data/—— 面向 AI Agent 的技能文档体系是理解产品工作流的人读文档packages/agent-browser/—— Vercel Sandbox 集成与 eve Agent 扩展展示如何在无服务器环境运行docs/src/app/—— 官方文档站源码Next.js MDX覆盖快速上手、CDP 模式、流式预览、录制、安全等 30 主题CHANGELOG.md—— 迭代节奏很快0.3x 版本持续在打磨流式协议、会话绑定、a11y 审计等能力另外两个细节值得一提agent-browser a11y把 axe-core 引擎直接嵌进二进制可离线做 WCAG 无障碍审计--webgpu让 headless 环境甚至无 GPU 的容器也能正确渲染 three.js WebGPU 页面并截图。上手清单从 0 到第一次自动化npm install -g agent-browser agent-browser install—— 装好工具与 Chromeagent-browser open https://example.com—— 打开第一个页面agent-browser snapshot -i—— 学会读快照、认引用agent-browser fill e2 hello agent-browser click e3—— 完成第一次交互遇到问题先跑agent-browser doctor环境诊断器会告诉你答案给 AI 编程助手安装技能npx skills add vercel-labs/agent-browseragent-browser 证明了当浏览器自动化工具从一开始就为 LLM 而设计「省 token、快启动、稳会话、可围栏」这些工程细节会让 AI Agent 操作网页从碰运气变成可靠流程。如果想深入阅读完整命令参考见 README.md配置项的 IDE 自动补全可参考 agent-browser.schema.json。【免费下载链接】agent-browserBrowser automation CLI for AI agents项目地址: https://gitcode.com/gh_mirrors/agen/agent-browser创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 认识agent-browser：Vercel Labs如何用Rust打造AI Agent专属的浏览器自动化工具
认识agent-browserVercel Labs如何用Rust打造AI Agent专属的浏览器自动化工具【免费下载链接】agent-browserBrowser automation CLI for AI agents项目地址: https://gitcode.com/gh_mirrors/agen/agent-browseragent-browser是 Vercel Labs 开源的浏览器自动化工具 CLI专为 AI Agent 设计。它用 Rust 编写编译成单个原生二进制通过 Chrome DevTools ProtocolCDP直接驱动 Chrome无需 Node.js、Playwright 或 Puppeteer。它的招牌设计是「快照 引用」工作流AI 不用解析动辄几 MB 的原始 HTML只需读取约 200~400 个 token 的可访问性树就能点击、填表、截图、取数大幅降低了 LLM 操作网页的上下文成本。为什么 AI Agent 需要专属的浏览器自动化工具传统方案Playwright、Puppeteer面向人类开发者写代码脚本、处理依赖、维护选择器。但 AI Agent 驱动浏览器时痛点完全不同上下文爆炸一页 HTML 常超过 LLM 的 token 预算Agent 根本读不完启动开销每次命令都要拉起 Node.js 运行时 浏览器Agent 循环操作时延迟累积明显状态管理Agent 任务常常跨多轮对话登录态、Cookie、会话如何持久化是关键难题agent-browser 针对这三点做了针对性设计并且把输出格式--json、等待策略、会话隔离都做成对 LLM 友好的形态。一键安装 agent-browser最快配置方法agent-browser 提供四种安装方式任选其一方式命令适合人群npm推荐npm install -g agent-browser所有平台的 JS 用户Homebrewbrew install agent-browsermacOS 用户Cargocargo install agent-browserRust 开发者源码构建pnpm install pnpm build:native想参与开发的人安装后执行一次agent-browser install它会从 Google 官方的 Chrome for Testing 通道自动下载专用 Chrome并自动检测系统已有的 Chrome / Brave 安装。Linux 用户可加--with-deps一并装好系统依赖。版本升级也只需一句agent-browser upgrade工具会自动识别你的安装方式并执行对应的更新命令。核心工作流「快照 引用」三步操作网页agent-browser 最核心的设计是让 AI 像看菜单点菜一样操作网页而不是啃整本菜谱。整个循环只有四步agent-browser open https://example.com # 1. 打开页面 agent-browser snapshot -i # 2. 获取可交互元素的快照带引用 agent-browser click e3 # 3. 用引用操作元素 agent-browser snapshot -i # 4. 页面变化后重新快照快照输出类似这样每个元素都带一个eN引用e1 [heading] Log in e3 [input typeemail] placeholderEmail e4 [input typepassword] placeholderPassword e5 [button typesubmit] Continue为什么引用比选择器更适合 AI确定性e3精确指向快照那一刻的元素不存在选择器命中多个节点的歧义省 token紧凑的可访问性树替代了原始 HTML官方数据约 200~400 tokens 即可覆盖一个交互页面快速不需要二次查询 DOM命中即操作当然传统方式也全部支持CSS 选择器click #submit、文本/XPathclick textSubmit、语义定位器find role button click --name Submit都能作为后备方案。详细原理可参考核心技能文档 skill-data/core/SKILL.md 中的 snapshot-and-ref 工作流章节。架构解析为什么是 Rust打开 cli/Cargo.toml 可以看到整个 CLI 是纯 Rust 实现依赖轻量tokio、rustls、tokio-tungstenite 等发布配置还开启了 LTO 优化和符号剥离追求极致的启动速度和二进制体积。agent-browser 采用客户端-守护进程client-daemon架构Rust CLI解析命令与守护进程通信Rust 守护进程纯 Rust 实现直连 CDP完全不需要 Node.js守护进程在第一条命令时自动启动并在后续命令之间常驻默认空闲 1 小时后自动保存状态并退出防止资源泄漏。这意味着 Agent 的「快照→点击→快照」循环中浏览器始终热着命令之间几乎没有冷启动开销。守护进程与 CDP 客户端的核心实现位于 cli/src/native/ 目录包括 daemon.rs守护进程生命周期、browser.rs浏览器会话管理和 cdp/CDP 协议客户端等模块。团队还在 benchmarks/ 目录维护了系统化的基准测试对比了命令延迟导航、快照、截图、点击、Agent 循环与冷启动、内存占用等指标这是它敢宣称快的底气所在。6 个让 AI Agent 更稳、更安全的高级能力1. 多会话隔离与登录态持久化Agent 经常需要并行操作多个网站、多个账号。--session name为每个会话提供独立的浏览器实例、Cookie 和历史记录配合--restoreCookie 和 localStorage 会在关闭时自动保存、下次自动恢复登录一次即可长期复用。敏感场景下还能用AGENT_BROWSER_ENCRYPTION_KEY开启 AES-256-GCM 静态加密状态文件落盘即密文。2. 内置 MCP Server一行接入 AI 编程助手agent-browser mcp一条命令把整个 CLI 能力以 Model Context Protocol 工具的形式暴露给 Claude Code、Cursor 等 MCP 客户端。工具按core、network、react等 profile 分组默认只加载常用核心避免工具列表撑爆模型上下文。3. Skills让 Agent 随版本更新的操作手册agent-browser skills get coreAgent 不需要硬编码用法运行时直接拉取与当前 CLI 版本严格匹配的指令文档。内置了核心操作、Electron 应用、Slack 自动化、探索性测试、Vercel 沙箱等多套技能包源文件在 skill-data/ 目录下。4. 可观测 Dashboard实时盯着 Agent 的浏览器agent-browser dashboard start启动本地 Web 面板默认 4848 端口提供实时视口画面、命令活动流、控制台输出还能直接在界面里创建会话、配置 AI Chat。前端是一个独立的 Next.js 应用源码在 packages/dashboard/。5. 云浏览器 Provider本地没有浏览器也能跑在 Serverless、CI 环境里用-p标志一键切换到云浏览器所有命令照常工作agent-browser -p browserbase open https://example.com已支持 Browserbase、Browserless、Browser Use、Kernel、AWS Bedrock AgentCore 等主流厂商凭据走环境变量即可。6. 安全围栏把 Agent 关在可信域名里AI 驱动真实浏览器最大的风险是提示词注入。agent-browser 提供了一组默认关闭、按需启用的安全开关--allowed-domains域名白名单同时封禁 WebRTC、Worker 等旁路通道、--content-boundaries用边界标记包裹页面输出防止 LLM 把页面内容当指令、--confirm-actions对敏感操作要求显式批准、--max-output限制输出长度防止上下文灌爆。配套的技能文档 skill-data/core/references/trust-boundaries.md 写明了完整的信任边界规则。源码导览如何读懂这个项目仓库结构清晰新人可以从以下路径切入cli/src/native/—— Rust 守护进程与自动化核心动作执行、快照生成、CDP 客户端、React 内省、WebGPU、WebDriveriOS/Safaricli/src/doctor/—— 环境诊断器agent-browser doctor会逐项检查 Chrome、守护进程、网络并做真实启动测试skill-data/—— 面向 AI Agent 的技能文档体系是理解产品工作流的人读文档packages/agent-browser/—— Vercel Sandbox 集成与 eve Agent 扩展展示如何在无服务器环境运行docs/src/app/—— 官方文档站源码Next.js MDX覆盖快速上手、CDP 模式、流式预览、录制、安全等 30 主题CHANGELOG.md—— 迭代节奏很快0.3x 版本持续在打磨流式协议、会话绑定、a11y 审计等能力另外两个细节值得一提agent-browser a11y把 axe-core 引擎直接嵌进二进制可离线做 WCAG 无障碍审计--webgpu让 headless 环境甚至无 GPU 的容器也能正确渲染 three.js WebGPU 页面并截图。上手清单从 0 到第一次自动化npm install -g agent-browser agent-browser install—— 装好工具与 Chromeagent-browser open https://example.com—— 打开第一个页面agent-browser snapshot -i—— 学会读快照、认引用agent-browser fill e2 hello agent-browser click e3—— 完成第一次交互遇到问题先跑agent-browser doctor环境诊断器会告诉你答案给 AI 编程助手安装技能npx skills add vercel-labs/agent-browseragent-browser 证明了当浏览器自动化工具从一开始就为 LLM 而设计「省 token、快启动、稳会话、可围栏」这些工程细节会让 AI Agent 操作网页从碰运气变成可靠流程。如果想深入阅读完整命令参考见 README.md配置项的 IDE 自动补全可参考 agent-browser.schema.json。【免费下载链接】agent-browserBrowser automation CLI for AI agents项目地址: https://gitcode.com/gh_mirrors/agen/agent-browser创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考