Overview

产品概述

agent-browser 是一个为 AI 代理设计的浏览器自动化命令行工具。它将快照输出为紧凑的文本可访问性树，并使用 ref 实现确定性元素选择，从而减少上下文使用；内置 50+ 命令，覆盖导航、表单、截图、网络、存储、文件、标签页、框架与调试等场景。项目采用 100% 原生 Rust 编写，基于客户端-守护进程架构，并提供 macOS、Linux、Windows 的原生二进制；同时支持会话、配置、认证状态、cookies、存储、代理与安全控制，可支撑长期运行的代理。

Capabilities

核心能力

Agent 优先的紧凑文本输出

快照命令返回紧凑的可访问性树，文本输出约 200-400 tokens，而完整 DOM 需约 3000-5000 tokens，专为减少 AI 上下文占用设计。

基于 ref 的确定性元素交互

快照为每个元素分配唯一 ref（如 @e1、@e2），代理可基于 ref 直接定位与点击元素，无需重新查询 DOM，结果确定且对 LLM 更易解析。

跨平台原生命令行工具包

提供 macOS（ARM64/x64）、Linux（ARM64/x64）、Windows（x64）原生 Rust 二进制，包含 50+ 命令，覆盖导航、表单、截图、网络、存储、文件、标签页、框架与调试等场景。

Use Cases

适用场景

01
AI 代理通过 CLI 自动化浏览器操作
代理执行 open、snapshot、click @ref、screenshot 等命令完成网页导航与操作，适合集成到可运行 shell 命令的 AI 工作流。
02
长期运行的代理维护有状态浏览器会话
会话、配置、认证状态、cookies、存储、代理和安全控制可支撑长时间运行的代理；默认在无命令或输入一小时后保存恢复状态并退出。