无头浏览器自动化

技能简介

agent-browser 是一款面向 AI 代理优化的无头浏览器自动化命令行工具，基于 Chromium 引擎，通过可访问性树快照与引用标记实现确定性元素选择，支持多步骤工作流、复杂单页应用（SPA）操作及会话隔离。

能做什么

• 自动化执行多步骤网页操作流程
• 通过引用标记精确定位并交互页面元素（点击、填写、滚动等）
• 管理多个隔离浏览器会话，模拟不同用户身份
• 保存和加载登录状态，跳过重复认证流程
• 拦截或模拟网络请求，控制页面加载行为
• 生成页面截图或 PDF 文档

使用说明

安装步骤：

1. 全局安装 CLI 工具：npm install -g agent-browser
2. 下载 Chromium 内核：agent-browser install
3. Linux 系统需额外安装依赖：agent-browser install --with-deps

基础使用流程：

1. 打开目标页面：agent-browser open https://example.com
2. 获取交互元素快照：agent-browser snapshot -i --json（-i 表示仅交互元素，–json 输出 JSON 格式）
3. 根据返回的引用标记执行操作，如 agent-browser click @e2 或 agent-browser fill @e3 "文本内容"
4. 页面变化后重新快照以更新引用标记

常用命令示例：

• 等待页面稳定：agent-browser wait --load networkidle
• 保存登录态：agent-browser state save auth.json
• 切换会话：agent-browser --session admin open site.com
• 查看网络请求：agent-browser network requests --filter api

输入与输出

见下方输入与输出表格。

风险提示

• 部分网站对自动化访问有反爬机制，频繁操作可能导致 IP 被封禁
• 快照深度过大可能影响性能，建议配合 -d 参数限制层级
• 会话状态文件包含敏感 Cookie 信息，需妥善保管存储路径
• headed 模式仅建议调试时使用，生产环境应使用无头模式

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/matrixy/agent-browser-clawdbot/SKILL.md
来源类型：GitHub 开源项目