什么是Agent Browser CLI
Agent Browser CLI 是由 Vercel 开发的浏览器自动化命令行工具，基于 Playwright 构建，专为需要模拟用户交互的自动化任务而设计。它通过简洁的命令行接口，让用户能够控制无头浏览器完成网页操作，如打开页面、点击按钮、填写表单、截取屏幕等。相比传统的浏览器自动化方案，Agent Browser 提供了更快的执行速度和更灵活的操作方式，特别适合集成到脚本或定时任务中运行。该工具的核心优势在于其轻量化和易用性，开发者无需编写复杂的代码即可实现完整的浏览器操作流程。无论是日常签到、数据抓取还是网页测试，Agent Browser CLI 都能以极低的门槛提供高效支持。 该工具适用于多种需要浏览器控制的场景，尤其适合那些依赖前端交互才能完成的任务。例如，许多网站的服务端验证依赖于 JavaScript 执行，仅靠 HTTP 请求无法完成登录或提交操作，而 Agent Browser 可以真实地渲染页面并模拟用户行为。此外，对于需要定期执行的任务（如每日签到），结合 cron 等调度工具，Agent Browser 可实现无人值守的自动化运行。它还能用于快速提取网页内容，生成可访问性树快照，帮助开发者分析页面结构或辅助测试无障碍功能。由于其命令行特性，它也易于与其他脚本语言（如 Bash、Python）结合使用，形成完整的自动化流水线。
核心功能特点
- 基于 Playwright 的高性能浏览器自动化，支持无头模式运行
- 提供 snapshot 命令获取页面可访问性树，便于元素定位与调试
- 支持通过 ref、CSS 选择器、ARIA 角色等多种方式精准定位页面元素
- 内置 click、fill、type、select 等交互命令，覆盖常见表单操作
- 可生成带标注的截图和常规截图，用于结果验证与日志记录
- 命令行驱动，易于集成到 shell 脚本或定时任务中实现自动化
适用场景
Agent Browser CLI 最典型的应用场景是各类需要浏览器参与的自动化任务。例如，许多网站设有每日签到功能，但仅开放给已登录用户，且通常需要点击特定按钮才能完成。使用 Agent Browser，只需一条 open 命令打开签到页面，再通过 find 或 snapshot 定位按钮并点击即可完成操作，全程无需图形界面。类似地，填写在线申请表单也是常见需求，尤其是当表单包含验证码、动态加载字段或依赖 JavaScript 渲染时，传统爬虫难以处理。Agent Browser 可以模拟真实用户输入，依次填写用户名、密码、地址等信息，并提交表单，极大提升效率。 另一个重要用途是研究性数据采集。研究人员或分析师可能需要从多个网页中提取结构化信息，如新闻标题、产品价格或评论内容。借助 snapshot 输出的可访问性树，用户可以快速识别目标元素的层级关系和属性，再通过 get text 或 get html 命令提取所需数据。这种方式比手动复制粘贴或编写复杂解析逻辑更加可靠和高效。此外，该工具也适用于前端开发者的本地测试工作，比如验证组件在不同状态下的表现，或检查无障碍合规性。由于支持截图功能，开发者可以轻松保存操作前后的页面状态，用于对比分析或问题复现。所有这些场景都体现出 Agent Browser CLI 在简化浏览器自动化方面的独特价值。