Agent Skills
返回列表
Agent Browser 浏览器自动化

Agent Browser 浏览器自动化

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_a994e44e/agent-browser-plus。

技能介绍

它解决什么问题

agent-browser 面向需要让 AI Agent 与真实浏览器交互的场景。相比直接维护脆弱选择器，它先把页面状态转成可解析的快照，再用 @e1、@e2 这类 ref 定位元素，减少 CSS、XPath 或硬编码结构带来的失败概率。适合表单提交、登录态复用、多标签页、截图、PDF、Cookie 状态、网络检查和调试等任务。

核心工作方式

典型流程是：

  • agent-browser open <url> 打开页面
  • agent-browser snapshot -i 生成带 refs 的元素列表
  • 根据 snapshot 中的 ref 执行点击、填充、选择等交互
  • 页面导航或 DOM 明显变化后重新 snapshot

技能还提供：

  • 状态管理：保存和复用 Cookie 与 storage，用于鉴权或登录态
  • 并行会话：通过 --session 隔离浏览器上下文
  • 机器可读输出：--json 便于程序解析
  • 调试能力：--headed 显示窗口、--timeout 控制超时、--cdp 连接 DevTools 协议
  • 页面能力：截图、PDF、视频录制、鼠标控制、Frames、Dialogs、JavaScript、Network、Tabs 等

注意：

  • refs 随页面加载变化，导航后必须重新 snapshot
  • 输入框优先使用 fill，避免残留文本
  • 元素未找到时先检查 snapshot；页面未加载时增加 wait

使用场景

  • 测试工程师验证网页表单时，用页面快照取得输入框引用并填写提交。
  • 自动化工程师需要登录态时，保存 Cookie 与存储状态并在后续任务复用。
  • 产品验收页面流程时，用多标签页、框架和弹窗检查复杂浏览器场景。
  • 数据工程师抓取页面信息时，用 JSON 输出和页面状态检查把结果交给后续程序。

适合人员

  • 负责网页端 UI 回归的测试工程师，希望减少选择器维护并稳定定位元素。
  • 做自动化验收的产品工程师，需要打开多标签页、弹窗和框架页面完成检查。
  • 构建 AI Agent 应用的工程师，要把浏览器操作结果解析成程序可消费的 JSON。
  • 需要复现登录态的运维工程师，要保存 Cookie 与存储状态供后续任务使用。