CLI Moli 为智能体打造的轻量无头浏览器

一、项目介绍

让 Agent 抓网页，最常见的方案是 Playwright 或 Puppeteer：功能全，但 Chromium 动辄几百 MB 内存，一开就是几秒启动；更麻烦的是 CDP 协议天然把整棵 DOM 树推给客户端，对上下文极不友好。

Moli 是为 AI Agent 重新设计的一套无头浏览器，用 Rust 写成。它的设计原则是"结构优先，像素按需"——完整保留浏览器运行时，但把布局与渲染做成按需触发：只需要结构时就不渲染像素，需要截图或 PDF 时才付出渲染代价。

它同时提供四种接入方式：CLI、CDP、WebDriver Classic 与 WebDriver BiDi，因此能无痛替换掉现有的浏览器自动化链路。输出格式也照顾模型：可以把页面渲染成 Markdown，或直接返回紧凑的语义树文本。它在 Product Hunt 上拿下当日产品第一，star 数约 2.16 万，Apache 2.0 协议。

Moli 的设计核心是一句话：结构优先，像素按需。传统无头浏览器启动 Chromium 时，布局与渲染是默认开启的——因为渲染引擎本身就在那，不算白费。但对 AI Agent 来说，很多时候它要的只是"这个页面有什么内容"，根本不需要像素。渲染整棵页面再把 DOM 塞给客户端，是一种浪费。

Moli 保留了完整的浏览器运行时，但把布局与渲染做成可触发。用结构时不必付像素代价，需要截图或 PDF 时再渲染。这种"按需"的思路直接体现在它的输出格式上：可以把页面转成 Markdown，也可以直接返回紧凑的语义树文本——后者比原始 DOM 小得多，对模型友好度也高得多。

四种接入方式（CLI、CDP、WebDriver Classic、WebDriver BiDi）是另一个务实选择。前者便于手工调用与脚本集成，后三者让它能替换掉现有的 Playwright / Puppeteer 链路而不必重写整套测试代码——迁移成本因此低得多。

它还把 skills 目录直接放进仓库：让 Agent 按其中的说明自行完成安装并调用 moli-webfetch 等能力，而不是人去翻译文档。对已经在用 Agent 的团队，这条路径省掉了不少沟通成本。

资源占用是它反复强调的指标，仓库里直接给出了混合公开网页抓取基准、样例 Agent 工作负载与 WPT 测试结果，可以自己核对。

二、项目基本信息

三、核心优势

• 按需布局与渲染：只要结构不付像素代价，显著降低资源占用
• Rust 编写，完整浏览器运行时之外保持轻量足迹
• CLI、CDP、WebDriver Classic、WebDriver BiDi 四种接入方式，兼容现有自动化链路
• 可输出 Markdown 或紧凑语义树，直接喂给模型而非原始 DOM
• 支持截图、整页截图与分页 PDF 三种可视化产物
• 官方提供 skills 目录，可让 Agent 自己完成安装与调用
• 明确支持 Linux、macOS 与 Windows
• Markdown 与语义树两种输出格式，体积远小于原始 DOM，对模型更友好
• --eval 可在页面就绪后执行表达式并等待 Promise，配合 --dump 导出交互后的页面
• 支持视口截图、整页截图与分页 PDF 三种可视化产物，按需取用
• 内置成本控制机制，便于把抓取任务的开销控制在可预期范围内

四、适用场景

适合需要为 Agent 批量抓取网页、做搜索调研或网页自动化，但被 Chromium 资源占用拖累的团队；也适合想把现有 Playwright / Puppeteer 链路换成更省资源实现的场景。

判断 Moli 适不适合你，先看你的浏览器自动化在为什么发愁。如果是"抓页面给模型读"，它几乎正中靶心；如果是"做完整的端到端 UI 测试"，那 Moli 目前更适合做抓取与结构提取这一环，测试断言部分仍可能需要配合其他工具。

迁移评估建议做一次对照：拿现有 Playwright 脚本里最典型的抓取任务，用 Moli 的 fetch --dump markdown 与 --dump semantic_tree_text 各跑一遍，对比输出质量与耗时。这个对比通常几分钟就能做完，结论很明确。

语言与生态方面，Moli 支持 Linux、macOS 与 Windows，安装脚本覆盖三个平台；语言绑定方面提供了 CLI、CDP 与两套 WebDriver 协议接入，所以从任何语言调用都不别扭。

最后提醒一点：它输出的语义树是"紧凑"的，信息密度高于原始 DOM，但也意味着丢掉了一些原始 HTML 属性。如果你的下游逻辑依赖特定 class 或 id，需要先用 --eval 做交互并配合具体选择器，不能直接假设语义树里什么都有。

如果你正被同类问题反复绊住——要么是人肉重复劳动没完，要么是工具装不上跑不通、要么是产出的结果根本没法用——那这个项目值得先花十分钟装一遍试试。

五、安装教程

当前最新版本 v1.1.19。下面是可直接执行的安装方式：

# Linux / macOS
curl --proto '=https' --tlsv1.2 -fsSL \
  https://github.com/lexmount/moli/releases/latest/download/moli-installer.sh | sh

# Windows（PowerShell）
powershell -ExecutionPolicy ByPass -c "irm https://github.com/lexmount/moli/releases/latest/download/moli-installer.ps1 | iex" 

常见报错与处理：依赖缺失时先确认运行时版本（Node、Python、Rust、PHP 等）是否满足项目要求；网络超时多半是镜像或代理问题，可换源重试；权限类报错请检查当前账号是否已登录对应平台，以及脚本是否需要管理员权限执行。

六、使用示例

下面这段是可以直接参照的真实用法：

# 用默认策略把页面渲染成 Markdown
moli fetch \
  --dump markdown \
  --wait-until done \
  https://example.com

# 直接返回紧凑的、模型友好的语义树
moli fetch \
  --dump semantic_tree_text \
  --wait-selector body \
  https://example.com

# 开启按需布局，输出视口截图 / 整页截图 / PDF
moli fetch --layout --dump screenshot https://example.com > page.png
moli fetch --layout --dump screenshot_full https://example.com > full-page.png
moli fetch --layout --dump pdf https://example.com > page.pdf

七、常见问题

问：它和 Playwright 有什么区别？答：Moli 把布局与渲染做成按需触发，只要结构时不付像素代价；并且输出格式直接面向模型（Markdown、语义树），而不是原始 DOM。

问：能替换现有自动化链路吗？答：可以，它同时提供 CDP、WebDriver Classic 与 WebDriver BiDi 三种协议接入方式。

问：怎么让 Agent 自己会用？答：仓库里带 skills 目录，可让 Agent 按其中的说明完成安装并调用 moli-webfetch 等能力。

问：支持哪些平台？答：官方明确支持 Linux、macOS 与 Windows。

问：和 Playwright 能共存吗？答：可以共存，Moli 负责抓取与结构提取，Playwright 继续负责复杂交互测试。

问：输出语义树会丢信息吗？答：会比原始 DOM 精简，依赖特定属性时建议配合 --eval 与选择器使用。

以上是实际使用中最常被问到的几个问题。若遇到文档未覆盖的情况，可以先翻项目的 Issues 与 Discussions 区，那里有更多真实踩坑记录。

八、总结

Moli 在把高频动作压缩成一条命令这件事上做到了足够扎实的程度：它不追求大而全，而是把一个具体环节做透，让原本要靠人盯的流程变成可以交给工具执行的流程。

从上面的安装步骤和使用示例可以看出，它的接入成本并不高：一条命令装好，按提示完成配置，然后就能把它放进你原有的工作流里。如果你正在被同类问题困扰，不妨先在自己的一小块任务上试一轮，确认顺手了再推广到日常流程中。