agent-browser - 面向 AI Agent 的浏览器自动化命令行工具。
自动化执行浏览器交互操作，包括网页导航、表单填写、元素点击、页面截图及数据提取。
标签
更新于: 2026-09-18能力
典型输入
典型输出
该技能可以做什么
- 导航至目标网页
- 捕获交互元素快照
- 点击网页交互元素
- 填写表单输入框
- 提取网页文本内容
- 截取网页页面图片
- 导出网页为 PDF
- 保存和加载会话状态
- 管理并行浏览器会话
- 自动化 iOS 模拟器 Safari
输入
- 目标网站 URL
- 元素引用与定位符
- 表单输入数值
- 保存的状态 JSON 文件
- 本地文件路径
- iOS 模拟器设备名称
输出
- 交互元素快照数据
- 提取的文本及元数据
- 页面截图图像
- 导出的 PDF 文件
- 会话视频录像
- 保存的浏览器状态文件
要求
- agent-browser 命令行工具
- Bash 执行环境
- 用于 iOS 的 macOS 与 Xcode
- 包含 xcuitest 驱动的 Appium