Agent Browser CLI

核心用法

Agent Browser 是 Vercel 推出的基于 Playwright 的浏览器自动化命令行工具，专为需要控制浏览器的任务设计。核心工作流为：使用 open 打开目标页面 → snapshot 获取可访问性树 → 通过 @ref 引用或 CSS 选择器定位元素 → 执行 click/fill/type 等交互操作 → screenshot 或 get 提取信息 → close 关闭浏览器。

显著优点

• 简洁直观：相比原生 Playwright，命令式 CLI 无需编写脚本，单条指令即可完成操作
• 灵活定位：支持 ref 引用、CSS 选择器、ARIA 角色、文本内容、label、placeholder 等多种定位方式
• 信息丰富：snapshot 输出可访问性树，便于理解页面结构；支持截图带标注功能
• 会话保持：多个命令可在同一浏览器实例中连续执行，适合多步骤自动化

潜在局限

• 稳定性依赖：页面动态加载、异步渲染可能导致元素定位失败，需手动添加 sleep 等待
• ref 动态性：@ref 随页面重载变化，无法硬编码复用，每次需重新 snapshot
• 无内置重试：网络波动或元素未就绪时缺乏自动重试机制
• 安全边界：可模拟真实用户操作，若用于高频自动化可能触发网站反爬机制

适合人群

运维人员、开发者、自动化测试工程师，以及需要定期执行签到、数据抓取、表单填写等重复性浏览器任务的用户。

常规风险

• 账号安全：自动化登录可能因异常行为被平台风控
• 数据隐私：操作过程中可能接触敏感页面，需确保环境安全
• 资源占用：未正确 close 会导致浏览器进程残留

核心用法

Agent Browser 是 Vercel 推出的浏览器自动化 CLI 工具，基于 Playwright 引擎，封装了常见的浏览器操作流程。核心交互模式为「打开页面 → 获取快照 → 执行操作 → 关闭浏览器」的闭环工作流：

1. 导航控制：open <url> 打开目标页面，支持 back、forward、reload 等标准导航操作
2. 元素定位：优先通过 snapshot 获取页面可访问性树，生成 @eXX 格式的 ref 引用，避免复杂的 CSS 选择器编写；同时支持 CSS 选择器和 ARIA 角色查找（find role、find label 等）
3. 交互操作：click、fill、type、select、check、press 覆盖完整的表单操作场景
4. 信息获取：snapshot 获取结构化页面数据，screenshot 支持带标注截图，get text/html/value 提取具体内容

显著优点

• 官方背书：Vercel 出品，Playwright 生态成熟，工具链稳定可靠
• 快速上手：ref 引用机制大幅降低元素定位门槛，无需深入理解 DOM 结构
• 场景覆盖全：从简单签到、表单填写到定时任务（配合 cron）均可实现
• 快照驱动：可访问性树快照让自动化脚本更具可读性和可维护性

潜在缺点与局限性

• 环境依赖：需 Node.js 环境，首次安装 agent-browser 和浏览器驱动耗时较长
• ref 易变性：页面结构变化后 snapshot 生成的 ref 可能失效，脚本健壮性依赖页面稳定性
• 无内置等待机制：需手动 sleep 或等待，异步加载场景处理不够优雅
• 会话管理：多标签页、Cookie 持久化等高级场景需额外配置

适合人群

• 需要自动化重复性浏览器操作的个人用户（签到、打卡、数据抓取）
• 轻量级 E2E 测试需求的开发者
• 希望快速实现自动化而不想深入学习 Playwright API 的技术用户

常规风险

1. 目标网站风险：CLI 会实际访问并操作目标网页，需确保网站可信，避免钓鱼或恶意脚本
2. 凭证安全：自动化脚本中硬编码密码存在泄露风险，建议使用环境变量或密钥管理服务
3. 频率控制：高频自动化可能触发目标网站的反爬虫机制，导致 IP 封禁或账号限制
4. CLI 供应链安全：确保从 npm 官方源安装，警惕 typosquatting 攻击包