agent-browser：快速 Rust 命令行工具，用于 AI 浏览器自动化

为什么需要新的浏览器自动化工具？

AI 代理越来越需要与真实网页交互：测试 UI 流程、抓取动态内容或爬取电商站点。现有工具如 Selenium 或 Playwright 是优秀的库，但它们需要学习曲线、设置开销，且往往运行时体积较大。若让 Claude、GPT‑4、Gemini 等 AI 系统控制浏览器，采用轻量级、命令行接口从任何语言调用将更为方便。

进入 agent-browser —— 一款自带 Rust 可执行文件的单二进制，支持 macOS、Linux、Windows，并在原生二进制不可用时自动回退至 Node.js。它通过 Node.js 守护进程管理 Playwright 实例，提供 Playwright（Chromium, Firefox, WebKit）的全部功能，同时保持 CLI 的速度与确定性。

快速开始

# 全局安装
npm install -g agent-browser
# 下载捆绑的 Chromium
agent-browser install
# 打开网址
agent-browser open https://example.com
# 取基于引用的快照
agent-browser snapshot --json
# 通过引用点点击按钮
agent-browser click @e2
# 截图
agent-browser screenshot page.png
# 关闭
agent-browser close

安装选项

• Rust 原生 – pnpm build:native 需要 Rust 1.75+。启动最快。
• Node.js 回退 – 在所有环境下都可用，但略慢。
• Linux 依赖 – agent-browser install --with-deps 可自动安装 Playwright 的系统级依赖。

功能与命令

架构快照

• Rust CLI – 解析命令，构造 JSON DSL，然后发送给守护进程。
• Node.js 守护进程 – 启动并管理 Playwright 浏览器；在调用之间保持进程存活。
• 客户端-守护进程设计 – 每系统仅有一个守护进程，避免每次命令都重启 Chromium。

AI 代理如何使用

1. 打开 页面。
2. 采用 snapshot --json 取快照。结果包含结构化树（role、name、ref）。
3. AI 推理器解析树，找到目标引用（如 @e3 对应邮箱框）。
4. 执行 CLI 命令（click @e3、fill @e4 "[email protected]"）。
5. 如页面变动，重新快照，随后重复。

CLI 的 JSON 输出非常小（约 2‑3 KB），非常适合有限提示 token 的 LLM。

用例

示例：用 10 行代码打造迷你抓取器

#!/usr/bin/env node
const { execSync } = require('child_process');

execSync('agent-browser install');
execSync('agent-browser open https://books.toscrape.com');
const data = execSync('agent-browser snapshot -i --json').toString();
const snapshot = JSON.parse(data).data.snapshot;
console.log('Page has books:', snapshot.children.filter(c=>c.role==='link').length);
execSync('agent-browser close');

运行 node scrape.js，即可得到书链接数的快速统计，全部通过 CLI 完成。

性能与可靠性

• 原生 Rust 二进制在 macOS 上启动不到 50 ms，远快于需 200–300 ms 的 Node‑only 方案。
• 守护进程在首次运行后保持驻留，后续命令几乎瞬时。
• 在所有主流平台上均可运行；二进制通过 GitHub releases 分发。

如何参与

• 欢迎在 GitHub 上贡献：fork、提交 PR，或提出问题。
• 想要更多语义？添加新的 find 操作或支持更多浏览器引擎。
• 文档不断演进——查看 docs/ 文件夹和 CLI --help 输出，获取最新命令。

最后思考

agent‑browser 将 Web 自动化交到任何 AI 系统或开发者的指尖，提供一条命令即可完成。它将 Rust 速度、Playwright 多样性以及 AI‑友好的引用快照相结合，成为测试、抓取和构建面向代理工作流的优选工具。无论是自动化 CI 流水线，还是让大型语言模型进行实时浏览，agent‑browser 都给你一个轻量、确定且易编程的接口，适合在 shell 或无服务器函数中使用。

Happy automating!