Vercel Labs出品的无头浏览器自动化工具，通过可访问性树快照和ref定位实现确定性元素交互，专为AI Agent多步骤工作流优化。
说明：
## 核心用法
Agent Browser是一款专为AI Agent设计的无头浏览器自动化CLI工具，采用**可访问性树（Accessibility Tree）快照**作为核心交互机制。与传统浏览器工具不同，它通过语义化的`ref`引用（如`@e2`）而非CSS选择器或XPath来定位元素，确保在动态DOM变化中仍能保持稳定的元素识别。
典型工作流遵循”打开→快照→解析→交互→再快照”的循环模式：
1. `agent-browser open ` 启动页面
2. `agent-browser snapshot -i –json` 生成交互元素快照，返回结构化JSON含`refs`映射表
3. AI解析refs，执行`click @e2`、`fill @e3 “text”`等操作
4. 页面变化后重新快照获取最新状态
### 显著优点
**确定性定位**：ref基于可访问性树角色+名称生成，不受CSS类名随机化、DOM结构调整影响，特别适合现代SPA框架（React/Vue/Angular）。
**性能优化**：Headless Chromium内核，支持`–load networkidle`等待策略，比传统截图比对方案快5-10倍。
**会话隔离**：`–session`参数实现多浏览器上下文并行，支持跨会话状态持久化（`state save/load`），便于多账号测试场景。
**AI原生设计**：JSON输出格式、紧凑模式（`-c`）、深度限制（`-d`）均为LLM token优化考量。
### 潜在缺点与局限性
**视觉信息缺失**：无内置截图分析能力，需搭配`–headed`调试或外接视觉模型，与Playwright/MCP内置工具形成能力缺口。
**ref稳定性边界**：同一页面多次快照，若元素可访问性属性（aria-label等）动态变化，ref可能漂移；复杂表格/虚拟滚动场景下ref密度过高。
**生态锁定**：CLI语法为agent-browser特有，迁移至Playwright/Puppeteer需重写交互逻辑。
**平台依赖**：Chromium下载及系统依赖安装（尤其Linux）可能遇到环境兼容问题。
### 适合人群
– 构建浏览器自动化Agent的开发者（需确定性、可编程的交互接口）
– 多步骤表单填报、数据抓取、E2E测试场景
– 需隔离会话的多账号管理任务
– 对token成本敏感的AI工作流（JSON比截图廉价）
### 常规风险
– **Session泄漏**：`state save`含敏感cookie，文件权限管理不当导致凭证泄露
– **网络路由误配置**：`–abort`拦截规则写错可能破坏页面功能
– **无视觉验证**：纯ref驱动可能误点隐藏/遮挡元素，建议关键操作前`is visible`校验
– **Chromium漏洞**：依赖特定版本Chromium，需关注`agent-browser install`更新
## 技术背书
由Vercel Labs官方维护（GitHub: vercel-labs/agent-browser），作者Yossi Elkrief有移动端/Android背景，项目处于早期活跃迭代阶段，MIT协议开源。
会员专属
