快速开始#

核心工作流#

所有浏览器自动化都遵循这个模式：

bash

# 1. 导航
agent-browser open example.com

# 2. 生成快照以获取元素 ref
agent-browser snapshot -i
# Output:
# @e1 [heading] "Example Domain"
# @e2 [link] "More information..."

# 3. 使用 ref 进行交互
agent-browser click @e2

# 4. 页面变化后重新生成快照
agent-browser snapshot -i

常用命令#

bash

agent-browser open example.com
agent-browser snapshot -i                # 获取带有 ref 的可交互元素
agent-browser click @e2                  # 按 ref 点击
agent-browser fill @e3 "test@example.com" # 按 ref 填充输入框
agent-browser get text @e1               # 获取文本内容
agent-browser screenshot                 # 保存到临时目录
agent-browser screenshot page.png        # 保存到指定路径
agent-browser close

传统选择器#

也支持 CSS 选择器和语义定位器：

bash

agent-browser click "#submit"
agent-browser fill "#email" "test@example.com"
agent-browser find role button click --name "Submit"

有头模式#

显示浏览器窗口以便调试：

bash

agent-browser open example.com --headed

等待内容#

bash

agent-browser wait @e1                   # 等待元素
agent-browser wait --load networkidle    # 等待网络空闲
agent-browser wait --url "**/dashboard"  # 等待 URL 模式
agent-browser wait 2000                  # 等待毫秒数

命令串联#

在同一个 shell 调用中用 && 串联命令。浏览器会通过后台守护进程保持会话，因此串联是安全且高效的：

bash

# 一次调用完成打开、等待和快照
agent-browser open example.com && agent-browser wait --load networkidle && agent-browser snapshot -i

# 串联多个交互
agent-browser fill @e1 "user@example.com" && agent-browser fill @e2 "pass" && agent-browser click @e3

# 导航并捕获
agent-browser open example.com && agent-browser wait --load networkidle && agent-browser screenshot page.png

当你不需要中间输出时使用 &&。如果需要先解析输出再继续操作，就分开运行命令（例如先 snapshot 获取 ref，再交互）。

JSON 输出#

适合在脚本中进行程序化解析：

bash

agent-browser snapshot --json
agent-browser get text @e1 --json

注意：默认文本输出更紧凑，更适合 AI 代理。