yamsfeer 代理浏览器（Agent Browser）
为 AI 代理优化的无头浏览器自动化 CLI。使用 Rust CLI 与 Node.js 回退和 Playwright 浏览器引擎。
快速开始
agent-browser open <url> # 导航到 URL
agent-browser snapshot # 获取带有引用的可访问性树
agent-browser click @e2 # 通过引用点击
agent-browser fill @e3 "文本" # 通过引用填写
agent-browser screenshot page.png
agent-browser close
安装
npm install -g agent-browser
agent-browser install # 下载 Chromium
对于 Linux 系统依赖：
agent-browser install --with-deps
核心工作流程
- 导航：
agent-browser open <url> - 快照：
agent-browser snapshot- 获取带有引用（@e1, @e2, ...）的页面结构 - 交互：使用引用进行点击、填写或获取元素
- 重新快照：页面变化后，获取新快照
- 关闭：完成后执行
agent-browser close
为什么使用引用？
引用提供来自快照的确定性元素选择：
- 快速：无需 DOM 重新查询
- 可靠：引用指向快照中的确切元素
- AI 友好：快照 + 引用工作流程对 LLM 来说是最佳的
命令
导航
agent-browser open <url> # 导航（别名：goto, navigate）
agent-browser back # 返回
agent-browser forward # 前进
agent-browser reload # 重新加载页面
agent-browser close # 关闭浏览器（别名：quit, exit）
页面交互
agent-browser click <sel> # 点击元素
agent-browser dblclick <sel> # 双击
agent-browser focus <sel> # 聚焦元素
agent-browser type <sel> <text> # 在元素中输入文本
agent-browser fill <sel> <text> # 清空并填写
agent-browser press <key> # 按键（Enter, Tab, Control+a）
agent-browser hover <sel> # 悬停元素
agent-browser select <sel> <val> # 选择下拉框
agent-browser check <sel> # 勾选复选框
agent-browser uncheck <sel> # 取消勾选复选框
滚动
agent-browser scroll <dir> [px] # 滚动（上/下/左/右）
agent-browser scrollintoview <sel> # 将元素滚动到视图中
获取信息
agent-browser get text <sel> # 获取文本内容
agent-browser get html <sel> # 获取 innerHTML
agent-browser get value <sel> # 获取输入值
agent-browser get attr <sel> <attr> # 获取属性
agent-browser get title # 获取页面标题
agent-browser get url # 获取当前 URL
agent-browser get count <sel> # 统计匹配元素数量
agent-browser get box <sel> # 获取边界框
检查状态
agent-browser is visible <sel> # 检查是否可见
agent-browser is enabled <sel> # 检查是否启用
agent-browser is checked <sel> # 检查是否已勾选
截图
agent-browser snapshot # 可访问性树及引用
agent-browser screenshot [path] # 截取屏幕截图（--full 表示全页面）
agent-browser pdf <path> # 保存为 PDF
查找（语义定位器）
agent-browser find role <role> <action> [value] # 通过 ARIA 角色
agent-browser find text <text> <action> # 通过文本内容
agent-browser find label <label> <action> [value] # 通过标签
agent-browser find placeholder <ph> <action> [val] # 通过占位符
agent-browser find testid <id> <action> [value] # 通过 data-testid
操作：click, fill, check, hover, text
等待
agent-browser wait <sel> # 等待元素可见
agent-browser wait <ms> # 等待毫秒
agent-browser wait --text "欢迎" # 等待文本出现
agent-browser wait --url "**/dash" # 等待 URL 模式匹配
agent-browser wait --load networkidle # 等待加载状态
其他
agent-browser eval <js> # 运行 JavaScript
agent-browser drag <src> <tgt> # 拖放
agent-browser upload <sel> <files> # 上传文件
快照选项
agent-browser snapshot # 完整可访问性树
agent-browser snapshot -i # 仅交互元素
agent-browser snapshot -c # 紧凑模式
agent-browser snapshot -d 3 # 限制深度为 3 层
agent-browser snapshot -s "#main" # 限定在 CSS 选择器范围内
agent-browser snapshot -i -c -d 5 # 组合选项
选择器
引用（推荐）：@e1, @e2 等，来自快照
CSS：#id, .class, div > button
文本：text=提交
XPath：xpath=//button
语义：agent-browser find role button click --name "提交"
JSON 模式
用于机器可读的输出：
agent-browser snapshot --json
agent-browser get text @e1 --json
agent-browser is visible @e2 --json
会话
运行多个隔离的浏览器实例：
agent-browser --session agent1 open site-a.com
agent-browser --session agent2 open site-b.com
agent-browser session list # 列出活动会话
浏览器设置
agent-browser set viewport <w> <h> # 设置视口大小
agent-browser set device "iPhone 14" # 模拟设备
agent-browser set geo <lat> <lng> # 设置地理位置
agent-browser set offline on # 切换离线模式
agent-browser set media dark # 模拟配色方案
高级功能
请求头：agent-browser open <url> --headers '{"Authorization": "Bearer token"}'
有头模式：agent-browser open <url> --headed（显示浏览器窗口）
CDP：agent-browser --cdp 9222（通过 Chrome DevTools 协议连接）
追踪：agent-browser trace start / trace stop 用于调试
完整参考
有关完整的命令参考及示例，请参阅 commands.md。