Vercel Labs出品的专业浏览器自动化工具，基于可访问性树快照实现确定性元素选择，专为AI Agent多步骤工作流优化
说明：
## 核心用法
**agent-browser** 是一款面向AI Agent设计的Headless浏览器自动化CLI工具，采用独特的**可访问性树快照 + ref引用机制**替代传统CSS/XPath选择器，实现人机协同的确定性交互。
### 典型工作流
1. **导航与快照**：`agent-browser open URL` → `agent-browser snapshot -i –json`
2. **AI解析JSON**：从返回的`refs`对象识别目标元素（如`@e2`代表Submit按钮）
3. **精确交互**：`click @e2`、`fill @e3 “text”`等ref-based命令
4. **状态重采样**：页面变化后重新snapshot获取最新refs
### 关键特性
– **会话隔离**：`–session`参数支持多浏览器实例并行（如同时模拟admin/user）
– **状态持久化**：`state save/load`跳过重复登录流程
– **网络控制**：路由拦截、请求mock、响应篡改
– **多上下文**：标签页切换、iframe穿透
– **等待策略**：支持元素、文本、URL、网络空闲、自定义函数等多维等待
## 显著优点
| 维度 | 优势 |
|——|——|
| **确定性** | ref机制消除动态DOM导致的 flaky tests |
| **可解释性** | 快照包含元素角色(role)和可访问名称(name)，便于AI理解页面结构 |
| **性能** | 纯CLI无GUI开销，适合高频自动化 |
| **工程化** | 内置session管理、状态持久化、CI/CD友好 |
| **来源** | Vercel Labs官方维护，技术栈现代 |
## 潜在局限
– **视觉盲区**：Headless模式无法直接截图分析，需显式调用`screenshot`命令
– **学习成本**：ref-based范式与传统Selenium/Playwright选择器逻辑不同
– **生态锁定**：专属于agent-browser的ref系统，迁移成本较高
– **依赖管理**：需预装Chromium，Linux环境需处理系统依赖
## 适合人群
– 构建复杂多步骤Agent工作流的开发者
– 需要高稳定性浏览器自动化的测试工程师
– 追求CLI性能、无需视觉反馈的后端场景
– 同时模拟多用户角色的并发测试场景
## 常规风险
– **数据泄露**：`state save`可能持久化敏感cookie/session，需妥善管理JSON文件权限
– **会话混淆**：多session并行时若未显式指定`–session`，可能操作错误上下文
– **网络mock副作用**：路由拦截可能影响页面正常功能，需精确匹配规则
– **ref失效**：页面重大结构变化后旧ref可能指向错误元素，需重新snapshot
会员专属
