Agent Browser

Browser Automation with agent-browser

いつ使うか

• 実際の画面挙動を確認したい（クリック、遷移、モーダル表示など）
• スクリーンショットやPDFで証跡を残したい
• DOMが動的で、HTML取得だけでは精度が出ない場合
• テキスト抽出を「画面上の要素」基準で行いたい

インストール

• npm install -g agent-browser
• 初回セットアップ: agent-browser install（Chromium ダウンロード）
• 動作確認: agent-browser -h

基本方針（重要）

1. ref優先: snapshot -i の参照ID（@e1 等）を使い、CSS指定は最後の手段
2. 画面が変われば再snapshot: モーダル/遷移/リスト更新のたびに取り直す
3. 待つ: wait --load networkidle や wait --url/--text を併用して安定化
4. 証跡を残す: 最後に screenshot（必要なら pdf）
5. 取得は最小限: 必要なテキストだけ get text などで抜く
6. 認証が必要なら state save/load でセッション再利用を検討

コア手順（テンプレ）

agent-browser open "<url>"          # goto/navigate はエイリアス
agent-browser snapshot -i           # @e1, @e2 ... を取得（インタラクティブのみ）
agent-browser click @e1             # refで操作（fill/type/click）
agent-browser wait --load networkidle
agent-browser snapshot -i           # 画面が変わったら取り直す
agent-browser screenshot "capture.png"
agent-browser close

よく使うコマンド

• ナビゲーション: open <url> / back / forward / reload / close
• 解析: snapshot / snapshot -i / snapshot -c / snapshot --json
• 操作: click @e1 / fill @e2 "text" / type @e2 "text" / press Enter / scrollintoview @e1 / scroll down 500
• 取得: get text @e1 / get value @e2 / get title / get url
• 待機: wait @e1 / wait 1500 / wait --text "Success" / wait --url "**/dashboard" / wait --load networkidle
• 意味で探す: find role button click --name "Submit" / find label "Email" fill "user@test.com" / find text "Sign In" click
• 証跡: screenshot [path] / pdf [path]
• セッション: state save <path> / state load <path>

失敗しがちな所の定石

• クリック失敗 → scrollintoview → wait → 再クリック
• refが効かない/画面が変わった → snapshot -i を取り直し（古いrefは捨てる）
• 遷移が遅い → wait --load networkidle と wait --url を併用
• 解析を機械処理したい → --json を付けて出力を安定化

セキュリティ注意

• パスワードやトークンをログや履歴に残さない
• 認証情報は state save/load などで安全に再利用し、共有しない
• サイトの規約/robots/アクセス制限を尊重する

Converted and distributed by TomeVault — claim your Tome and manage your conversions.