agent-browser - 通过命令行自动化浏览器交互
自动执行网页导航、填写表单、点击操作、截图、数据提取、Web 应用测试和身份验证等浏览器任务。
标签
更新于: 2026-10-01能力
典型输入
典型输出
该技能可以做什么
- 导航至网页
- 检查交互式页面元素
- 填写并提交表单
- 点击并选择页面元素
- 提取页面文本
- 捕获截图和 PDF
- 持久化浏览器会话状态
- 比较页面状态
- 连接现有 Chrome
- 自动化 iOS Safari
输入
- 网站 URL
- 表单和登录数据
- 元素选择器
- 本地文件路径
- 会话名称
- 基准快照
- 基准截图
- iOS 设备标识符
输出
- 浏览器导航状态
- 页面快照
- 提取的页面文本
- 截图
- PDF 文件
- 已保存的身份验证状态
- 会话状态变化
- 快照和截图差异
- 录制的会话视频
- 性能分析轨迹文件
要求
- 可通过 Bash 执行 agent-browser 命令
- 进行 iOS 自动化时需要安装 Xcode 的 macOS
- 进行 iOS 自动化时需要安装带 XCUITest 驱动的 Appium