agent-browser

最近在刷工具时，被Vercel Labs推出的Agent Browser彻底惊艳到了。这是一款专为AI代理设计的**浏览器自动化CLI工具**，核心目标就是解决传统浏览器自动化工具（如Playwright MCP）让LLM“淹没在海量DOM”里的痛点。

用一句话总结：Agent Browser 用极简文本输出 + 引用系统（refs），让AI代理以最低token成本，稳定、快速地完成网页导航、表单填写、数据提取、截图等操作。100%原生Rust实现，速度飞快，还支持多会话隔离认证，完全免费开源。

agent-browser 网站截图

为什么传统浏览器工具让AI头疼？

很多AI编码助手（如Claude Code、Cursor）在需要操作浏览器时，常用Playwright或Chrome DevTools Protocol。但问题来了：每次快照都要把整个DOM树塞进上下文，动辄几千甚至上万token。AI不仅容易“迷路”，token消耗还爆炸，成功率经常卡在70-80%。

Agent Browser 彻底颠覆了这个玩法。它不输出笨重的HTML/DOM，而是返回紧凑的文本 accessibility tree，并为每个可交互元素自动分配简洁的引用（ref），比如 @e1、@e2。AI只需记住这些ref，就能精准点击、输入，而不用反复解析复杂结构。

实测数据显示，在相同任务下，它的token消耗远低于传统方案，首次任务完成率可达95%左右，效率提升显著。

Agent Browser的核心特色

1. Agent-First 设计，极致省Token 输出采用纯文本而非JSON，单个快照通常只需200-400 token（对比传统方案的3000-5000+）。专为LLM上下文优化，AI读起来自然、解析容易。支持-i标志，只捕获交互元素，进一步压缩输出。
2. Ref-based 精准交互，确定性极高 agent-browser snapshot 命令返回带ref的页面快照，例如：
   text

   heading "Example Domain" [ref=e1]
   link "More information..." [ref=e2]

   然后直接用 agent-browser click @e2 操作。避免了传统选择器不稳定的问题，极大提升了代理的可靠性。

3. 原生Rust，速度与性能拉满 采用客户端-守护进程（daemon）架构，daemon自动启动并持久运行，命令解析瞬间完成。跨平台支持（macOS、Linux、Windows），首次运行自动下载Chrome。相比JS实现的工具，启动和执行都更快。
4. 功能完整，50+命令一应俱全
   • 导航、表单填写、滚动、截图（支持标注）
   • 网络监控、存储访问、JavaScript执行
   • 多会话管理（独立Cookie和认证）
   • 命令链式执行、diff对比、认证保险库（安全存储凭证） 还能无缝集成安全特性，防止提示注入和凭证泄露（均为opt-in）。
5. 即插即用，与主流AI工具完美兼容 官方支持Claude Code、Cursor、GitHub Copilot、OpenAI Codex、Google Gemini 等任何能执行shell命令的代理。安装超级简单：
   text

   npm install -g agent-browser
   agent-browser install   # 下载Chrome

   或者直接 npx agent-browser open example.com 无需安装试用

实际使用场景举例

假设你让AI代理完成“登录某个网站，搜索关键词，提取前3条结果并截图”：

传统方式：AI可能被DOM淹没，反复失败。 用Agent Browser：

1. agent-browser open https://xxx.com
2. agent-browser snapshot -i → 获取带ref的简洁视图
3. agent-browser type @input “关键词”
4. agent-browser click @search
5. agent-browser snapshot → 提取数据
6. agent-browser screenshot result.png

整个过程流畅，上下文干净，代理“思考”更清晰。开发者用它做自动化测试、数据采集、表单批量操作、AI Agent工作流时，效率提升明显。

此外，项目还提供了Skills功能，预置提示词教AI如何使用它，进一步降低集成门槛。Vercel还考虑了安全：凭证存储、导航限制等特性可选开启，适合生产级部署。

总结：AI浏览器自动化的新标杆

Agent Browser 不是简单替代Playwright，而是真正从AI代理视角重新设计的工具。它把“少即是多”的理念贯彻到底，用Rust性能 + 智能快照 + ref系统，解决了token浪费和不稳定性两大核心痛点。

无论你是构建自主AI Agent的工程师，还是用Cursor/Claude做自动化开发的开发者，都值得立刻试一试。