浏览器自动化CLI

技能简介

agent-browser 是一款基于 Rust 开发的无头浏览器自动化命令行工具，支持 Node.js 降级方案。它让 AI 代理通过结构化命令完成网页导航、点击、输入和页面快照等操作。

能做什么

• 自动打开网页并获取页面结构快照
• 识别交互元素并通过引用编号执行点击、填写等操作
• 提取页面文本、HTML、属性等结构化数据
• 生成网页截图或 PDF 文档
• 录制浏览器操作视频
• 模拟键盘鼠标事件进行复杂交互

使用说明

安装步骤：

1. 确保已安装 Node.js 和 npm
2. 全局安装：npm install -g agent-browser
3. 初始化环境：agent-browser install
4. 如需完整依赖：agent-browser install --with-deps

基本工作流：

1. 打开目标页面：agent-browser open <url>
2. 获取交互元素快照：agent-browser snapshot -i（返回 @e1、@e2 等引用）
3. 使用引用执行操作：agent-browser click @e1 或 agent-browser fill @e2 "内容"
4. 页面变化后重新快照以更新引用

常用命令示例：

• 截图：agent-browser screenshot --full
• 等待元素：agent-browser wait @e1
• 获取文本：agent-browser get text @e1
• 导出 PDF：agent-browser pdf output.pdf

输入与输出

见下方输入与输出表格。

风险提示

• 需要本地安装 Node.js 和 npm 环境
• 部分网站可能检测无头浏览器并限制访问
• 频繁操作可能触发反爬虫机制
• 录制视频功能会创建新上下文，但保留当前会话的 cookie 和存储
• 页面 DOM 变化后需重新获取快照以更新元素引用

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/gwqwghksvq-sketch/tekin/SKILL.md
来源类型：GitHub 仓库