agent-browser 提供了 50 多个开箱即用的命令，覆盖以下核心能力：

1. 网页导航与交互：打开/关闭页面、点击、双击、输入、hover、拖拽、滚动、文件上传等全套浏览器操作。
2. refs 快照机制：snapshot 命令生成带唯一引用（如 @e1、@e2）的可访问性树，AI 只需按 ref 操作元素，无需猜测选择器。
3. 语义化定位：支持按 role、文本、label、placeholder、alt、data-testid 等语义方式查找元素。
4. AI 聊天模式：chat 命令支持用自然语言指挥浏览器，支持单次执行与交互式 REPL 两种模式。
5. 智能阅读：read 命令将网页转为 AI 友好的 Markdown/纯文本，支持 llms.txt、大纲、内容过滤等。
6. 截图与导出：支持全页截图、带编号标注的截图以及 PDF 导出。
7. 批量执行：batch 命令一次运行多步操作，避免进程反复启动的开销。
8. 网络控制：请求拦截、响应 mock、HAR 录制、请求追踪与过滤。
9. 会话与状态管理：Cookie/Storage 读写、多标签页与多窗口管理、iframe 切换、对话框处理。
10. 开发者能力：React 组件树内省、Web Vitals 指标、CDP 调试连接。

此外，它还内置了适配 Claude Code、Gemini、Cursor、GitHub Copilot、Codex、opencode 等主流 AI 工具的 Skills，可无缝融入现有工作流。

安装（全局安装，推荐）：
npm install -g agent-browser
agent-browser install # 首次使用会自动下载 Chrome for Testing

macOS 用户也可通过 Homebrew 安装：brew install agent-browser。

快速上手（按 ref 操作元素）：
agent-browser open example.com
agent-browser snapshot # 获取带 refs 的可访问性树
agent-browser click @e2 # 按 ref 点击元素
agent-browser fill @e3 "test@example.com" # 按 ref 填写表单
agent-browser screenshot page.png # 截图
agent-browser close # 关闭浏览器

使用自然语言驱动：
agent-browser chat "open google.com and search for cats"

如果想把它接入 AI 编程助手，只需下载官方 SKILL.md 文件放到对应目录（如 .claude/skills）即可。

1. 专为 AI 优化：agent-browser 通过精简数据结构，可减少最高 93% 的无关上下文，只把关键 DOM 信息与可操作元素交给 LLM，显著提升推理效率与操作准确性。
2. Rust 底层 + 常驻 daemon：CLI 用 Rust 编写，后台常驻 daemon 管理浏览器实例，命令响应接近秒级，几十步的连续复杂任务也能稳定低延迟执行。
3. refs 机制告别“选择器地狱”：快照引用与底层 DOM 结构解耦，网页改版后脚本也不易失效，稳定性大幅提升。
4. 零配置、开箱即用：自动检测已有的 Chrome、Brave、Playwright、Puppeteer 环境，无需手动安装驱动或配置复杂依赖。
5. 开放生态与可移植性：预置 Skills 可直连主流 AI 助手，支持任何可运行 Bash 的系统，甚至能在 AWS Lambda、Vercel Sandbox 等 serverless 环境中运行。

与 Playwright/Puppeteer 相比：Playwright 功能强大，但面向传统测试工程师，输出给 LLM 的上下文冗长、CSS 选择器维护成本高；agent-browser 在 Playwright 之上封装出 AI 友好的命令层，用 refs 与语义定位替代选择器，大幅降低 Agent 的使用门槛与 Token 消耗。

与浏览器 MCP 工具相比：agent-browser 是独立的 CLI 工具，不绑定特定 MCP 客户端，兼容性更广；同时提供 chat、read、batch 等专为 Agent 设计的原生能力，且可通过 --json 输出结构化数据供进一步处理。

与纯视觉驱动方案（如截图识别）相比：agent-browser 基于可访问性树与结构化数据驱动，定位更精确、Token 开销更低、结果可审计、可复现，更适合需要高可靠性的自动化测试与数据采集场景。

Q1: agent-browser 是免费的吗？
A1: 是的。agent-browser 由 Vercel Labs 开源，可在 GitHub 免费获取源码，也可以通过 npm、Homebrew、Cargo 等渠道免费安装使用。
Q2: 使用 agent-browser 需要手动安装浏览器驱动吗？
A2: 不需要。首次运行 agent-browser install 会自动下载 Chrome for Testing（Google 官方自动化渠道），同时会自动检测机器上已有的 Chrome、Brave、Playwright 与 Puppeteer 安装。
Q3: agent-browser 与 Playwright 是什么关系？
A3: agent-browser 底层基于 Playwright，但对外提供完全面向 AI Agent 的 CLI 命令层，封装了选择器、驱动配置等复杂度，无需学习 Playwright API 即可完成浏览器自动化任务。
Q4: 可以用 agent-browser 做网页数据抓取吗？
A4: 可以。它的 read、snapshot、get text 等命令能高效提取页面文本与结构化数据，并支持 Cookie/Storage 管理、网络请求追踪与 HAR 录制，适合构建爬虫与数据采集流程。请务必遵守目标网站的 robots 协议与服务条款。
Q5: agent-browser 支持哪些 AI 编程助手？
A5: 已兼容 Claude Code、Gemini、Cursor、GitHub Copilot、Codex、opencode 等主流 AI 工具，并提供官方 Skills 文件，放入对应目录即可让 AI 立即学会使用。
Q6: 在服务器或 serverless 环境能运行吗？
A6: 可以。agent-browser 支持自定义 Chromium 路径，可在 AWS Lambda、Vercel Sandbox microVM 等环境运行；在 Linux 下执行 agent-browser install --with-deps 即可安装所需的系统依赖。