Agent Browser - 浏览器自动化

核心用法

Agent Browser 是 Vercel Labs 开源的 Rust 原生无头浏览器自动化工具，提供 Node.js 降级方案。核心工作流为：
1. open 导航目标页面
2. snapshot -i 获取带 @ref 标记的交互元素快照
3. 使用 @ref 执行点击、填充、滚动等操作
4. 页面跳转或 DOM 大幅变更后重新快照

显著优点

• 高性能 Rust 核心：相比纯 Node.js 方案启动更快、内存占用更低
• 结构化交互：通过 @ref 引用替代脆弱 XPath/CSS 选择器，元素定位更稳定
• 完整功能矩阵：覆盖导航、表单、截图、PDF、视频录制、网络拦截、多标签、iframe 切换、Cookie/Storage 操作、会话持久化等全场景
• 语义定位备选：find 命令支持 role/name/text 等无障碍属性定位，兼容现代可访问性标准
• AI 友好：JSON 输出模式与状态保存/加载机制，便于 Agent 集成与身份持久化
• 调试工具完备：headed 模式、trace、video、highlight、console/errors 日志等一应俱全

潜在局限

• 生态相对封闭：主要面向 Vercel/Node.js 生态，Rust 二进制分发对 ARM64 Linux 需手动处理路径
• 学习曲线：@ref 机制虽稳定但需理解其随页面刷新生成的特性
• 网络路由语法较原始：拦截/mock 需手动维护 URL 模式，无高级请求编排能力
• 无原生分布式能力：多会话需本地进程管理，不支持内置网格/云端扩展

适合人群

• 构建 AI Agent 自动化工作流的开发者
• 需要录制演示视频或生成 PDF 报告的技术内容创作者
• 追求比 Puppeteer/Playwright 更轻量启动的测试工程师
• 需要会话隔离与状态持久化的多账户自动化场景

常规风险

• 网站封禁：自动化行为可能触发反爬虫机制，导致 IP 限制或账户风控
• 数据残留：state save 会序列化 Cookie/Storage，含敏感凭证时需加密存储
• 资源泄漏：未 close 的浏览器进程或录制流可能导致内存/磁盘占用持续增长
• iframe/跨域限制：部分站点 CSP 或 iframe 隔离策略会阻断操作
• 依赖变更：refs 随 DOM 动态重排可能失效，关键流程建议叠加语义定位校验

核心用法

Agent Browser 是 Vercel Labs 官方开发的基于 Rust 的高性能无头浏览器自动化工具，通过 Bash(agent-browser:*) 暴露完整 CLI 能力。核心工作流遵循"打开→快照→交互→验证"四步闭环：

1. 导航与快照：agent-browser open <url> 启动会话，snapshot -i 获取带 @e1/@e2 引用标识的交互元素树
2. 精准交互：基于快照引用执行 click @e1、fill @e2 "text"、press Enter 等原子操作
3. 状态验证：通过 get text/html/value、is visible/enabled 等命令提取页面信息并断言状态
4. 会话管理：state save/load 实现认证状态持久化，--session 支持多浏览器并行隔离

高级能力覆盖网络拦截（network route --abort/--body）、视频录制（record start/stop）、设备模拟（set device "iPhone 14"）、iframe/多标签页切换及 CDP 调试协议对接。

显著优点

• 性能优势：Rust 核心驱动相比纯 Node.js 方案（Puppeteer/Playwright）启动更快、内存占用更低，Node.js fallback 保障兼容性
• AI 原生设计：结构化 @ref 引用系统避免 XPath/CSS 选择器的脆弱性，语义定位器（find role button --name "Submit"）支持自然语言交互
• 完整生命周期：内置截图/PDF/视频录制、网络请求追踪、控制台日志捕获、高亮调试等测试基础设施
• 可信来源：Vercel Labs 官方维护，MIT-0 协议，代码经静态审计无危险函数调用

潜在局限

• 外部依赖风险：需全局安装 agent-browser npm 包，存在供应链攻击面（建议固定版本）
• 状态管理风险：state save 生成的 JSON 可能包含敏感 cookies，不当存储导致会话泄露
• 引用稳定性：@ref 仅在单次页面加载内稳定，导航后必须重新快照获取新引用
• ARM64 兼容：Linux ARM64 需使用完整路径调用二进制
• 无内置重试机制：元素未找到或加载超时需手动添加 wait 命令兜底

适合人群

• AI Agent 开发者：需为 LLM 提供结构化浏览器控制能力的系统集成方
• 自动化测试工程师：构建 E2E 测试流水线，替代 Selenium/Puppeteer 的轻量方案
• 数据采集团队：在受控合规环境下执行定向网页抓取，依赖网络拦截与状态复用提升效率

常规风险

| 风险类别 | 具体描述 | 缓解措施 |

|---------|---------|---------|

| 供应链安全 | npm 包被篡改或恶意升级 | 安装时指定固定版本号，校验包完整性 |

| 敏感数据泄露 | auth.json 包含登录会话、cookies | 设置 `chmod 600` 权限，任务后主动删除，不在共享环境存储 |

| 输入注入 | URL/选择器参数未经验证传入 | 对用户提供输入做白名单校验，避免直接拼接命令 |

| 网络侧信道 | 浏览器流量可能暴露于录制视频/截图 | 生产环境禁用录制，敏感操作使用 `--headed` 本地调试后关闭 |

| 资源耗尽 | 多会话并行导致内存/句柄泄漏 | 显式执行 `close` 或 `tab close` 释放资源，设置 `--timeout` 上限 |

整体评估：该 Skill 在受控环境（隔离网络、受限权限）下是浏览器自动化的优质选择，但需严格遵循状态文件安全与依赖版本管理最佳实践。