CLI Agent-Browser 面向AI智能体的浏览器自动化命令行

让 AI 操作网页，最难的一关是「它看不见浏览器」。你贴给它的控制台报错，它只能猜；性能有问题，它拿不到 trace；想验证改动能效，它连页面都打不开。于是大量「看起来 AI 全包」的调试流，本质还是人工在复制粘贴。Vercel 团队开源的 agent-browser 就是来拆这堵墙的：它把完整的浏览器能力通过命令行暴露给 AI 智能体，让 Claude、Cursor 这类助手直接控制并检视一个真实 Chrome，截图、读无障碍树、跑交互、抓网络请求，全程自己完成。

agent-browser 由 Vercel Labs 维护，底层基于 Rust 原生二进制驱动浏览器。项目采用 Apache-2.0 协议，最近更新在 2026 年 10 月 26 日，GitHub 星数已超过 4.4 万，是目前「AI 看得见浏览器」最正统的开源解法之一，也是构建浏览器智能体不可或缺的感知层。

项目基本信息

一、项目介绍

agent-browser 的本质是一条「为智能体设计的浏览器 CLI」：它用 refs 给页面元素编号，智能体先 snapshot 拿到带引用的无障碍树，再按 ref 去 click、fill、get text，而不是靠脆弱的 XPath。它还提供 webmcp 子命令，把网页交互能力以 MCP 工具的形式暴露，让任意支持 MCP 的客户端按需调用，把浏览器变成智能体可调用的标准工具。

安装形态很灵活：既能全局装成命令行，也能从源码构建，还能作为 MCP 服务挂进编码助手。首次运行 agent-browser install 会下载 Chrome for Testing，之后智能体就能真正「打开页面、看到内容、动手操作」，把「AI 看网页」从愿望变成现实。

二、核心优势

第一，AI 原生。ref 机制让智能体稳定定位元素，告别脆弱选择器。第二，真实浏览器。基于 Chrome，拿到的是真实渲染与网络数据。第三，MCP 就绪。webmcp 把能力标准化给任意客户端。第四，跨平台。Rust 原生二进制，Windows/macOS/Linux 通吃。第五，协议宽松。Apache-2.0 可商用、可改造，没有授权顾虑。

三、适用场景

最适合「让 AI 排网页故障」的团队：前端调试、E2E 巡检、表单自动化、用智能体代替手工点页面做回归。对做浏览器智能体的开发者，它把最难的「感知层」补全，让 agent 真正闭环，不再需要人把屏幕内容翻译成文字喂给它。

四、安装教程

推荐全局安装（首次需下载 Chrome）：

npm install -g agent-browser
agent-browser install

也可走 Homebrew 或 Cargo：

brew install agent-browser
# 或
cargo install agent-browser
agent-browser install

常见报错多为 Chrome 下载失败或系统库缺失，按提示补依赖或换镜像即可。脚本会自动处理大部分平台差异。

五、使用示例

让智能体打开页面并交互：

agent-browser open https://example.com
agent-browser snapshot
agent-browser click @e2
agent-browser fill @e3 "test@example.com"

真实输入是这组命令，输出是带 ref 的页面快照与操作结果；接 MCP 后，智能体直接说「登录并截图」，agent-browser 在后台完成整套动作，并把可审计的结果回传给调用方。

六、常见问题

问：必须下载 Chrome 吗？首次需要 agent-browser install 拉 Chrome for Testing。问：支持哪些客户端？任意支持 MCP 的，如 Claude Code、Cursor。问：和 Playwright 什么关系？底层驱动思路相近，但命令与 ref 面向智能体优化。问：商业可用吗？Apache-2.0，基本无门槛。问：能抓网络请求吗？支持，适合性能与接口排查。

七、总结

agent-browser 把「浏览器感知」补进了 AI 的工作闭环，让智能体第一次真正看得见、动得了网页。对做前端调试与浏览器智能体的团队，这套 Apache-2.0 的命令行值得接进你的工具链，把最耗人工的「看页面」环节交给机器。