agent-browser - 通过命令行自动执行浏览器交互
通过导航、表单操作、截图、数据提取、Web 应用测试和浏览器状态管理来自动化网站操作。
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
- 导航网站
- 检查交互元素
- 填写并提交表单
- 点击并选择控件
- 提取页面数据
- 捕获截图和 PDF
- 管理浏览器会话
- 比较页面状态
- 测试 Web 应用
- 连接 Chrome
- 自动化 iOS Safari
输入
- 网站 URL
- 表单和交互数据
- 登录凭据
- 浏览器会话状态
- 本地文件路径
- Chrome 调试端口
输出
- 变更后的浏览器页面状态
- 提取的页面文本和 URL
- 截图和 PDF 文件
- 保存的浏览器会话状态
- 页面快照和截图差异
- 浏览器命令结果
要求
- agent-browser CLI 访问权限
- Shell 命令执行能力
- 使用 iOS 时需要 macOS、Xcode 和 Appium