核心用法
chen-Agent Browser 是一款专为 AI Agent 设计的浏览器自动化工具，采用 Rust 内核驱动，兼具 Node.js 降级方案。其核心工作流程遵循"打开→快照→交互→验证"的闭环模式：首先通过 agent-browser open <url> 导航至目标页面，随后使用 agent-browser snapshot -i 获取带有引用标识（如 @e1、@e2）的交互元素图谱，最后基于这些稳定的引用执行点击、输入、拖拽等操作，并支持截图、录屏、PDF导出等输出形式。
该工具提供超过 50 个细粒度命令，覆盖六大功能域：页面导航（前进/后退/刷新）、元素交互（点击/填充/悬停）、状态检查（可见性/启用状态）、信息提取（文本/属性/坐标）、网络控制（请求拦截/响应模拟）以及会话管理（状态保存/多标签并行）。特别值得一提的是其语义定位器功能，允许通过角色、文本内容或 CSS 选择器定位元素，降低了对动态引用稳定性的依赖。
显著优点
性能与稳定性兼备：Rust 内核带来接近原生的执行效率，同时保持 Node.js 作为 fallback 方案，兼顾跨平台兼容性。AI 原生设计：命令输出专为机器解析优化，-i 参数生成的交互元素引用系统让 Agent 能够精确操作 DOM，避免传统选择器的脆弱性。完整的调试生态：支持 headed 模式可视化调试、网络追踪、性能录屏、CDP 协议连接，大幅降低自动化脚本开发门槛。企业级功能：内置请求拦截与响应模拟、HTTP 基础认证、地理定位模拟、离线模式切换，满足复杂测试场景需求。
潜在局限
引用稳定性限制：@ref 标识符仅在单次页面加载内有效，导航后需重新快照获取新引用，增加了多步骤任务的复杂度。依赖外部运行时：必须预装 Node.js/npm 环境，且 Rust 组件需通过 agent-browser install 初始化，首次部署存在环境配置成本。语义定位器的权衡：虽然 find 命令提供了替代方案，但其可靠性仍受页面结构变化影响，复杂动态站点可能需要组合策略。资源占用：视频录制、完整页面截图、多会话并行等功能对内存和 CPU 有较高要求，长时运行需注意资源管理。
适合的目标群体
本技能主要面向三类用户：AI Agent 开发者需要为 LLM 提供可靠的网页操作能力；自动化测试工程师寻求 Playwright/Puppeteer 的高性能替代方案；数据采集团队需要程序化抓取动态渲染页面。尤其适合已采用 Vercel 技术栈、追求 CLI 工具链统一性的技术团队。对于仅需简单静态页面爬取的场景，传统 HTTP 客户端可能更为轻量。
使用风险与注意事项
运行时依赖风险：agent-browser 工具本身的安全更新状态需独立监控，本 Skill 仅提供使用文档，实际漏洞可能存在于底层 Rust/Node 组件。权限边界意识：虽然 Skill 仅申请 Bash(agent-browser:*) 受限权限，但 agent-browser 工具执行时具备完整浏览器能力，应避免在不受信任站点执行敏感操作。状态管理风险：state save/load 功能可能持久化登录凭证等敏感信息，需确保存储路径的访问控制。网络隔离建议：生产环境使用时建议配合网络策略限制目标域名范围，防止意外访问内网资源或恶意站点。录屏与截图隐私：自动化生成的媒体文件可能包含敏感业务数据，需建立定期清理机制。