Agent Browser

• Sie müssen mehrstufige Browser-Workflows automatisieren, bei denen ein KI-Agent über mehrere Seiten hinweg navigieren, den Zustand lesen und interagieren muss.
• Sie benötigen eine deterministische Elementauswahl — ref-basiertes Targeting eliminiert die Fehleranfälligkeit von XPath oder pixelbasierten Klicks.
• Sie arbeiten mit komplexen Single Page Applications (SPAs), bei denen sich das DOM dynamisch verändert und Snapshots nach jeder Aktion neu aufgenommen werden müssen.
• Sie benötigen Session-Isolation — mehrere simultane Browser-Kontexte (z. B. Admin und Benutzer) werden ohne gegenseitige Beeinflussung ausgeführt.

• Sie benötigen Screenshots oder PDFs für visuelle Analysen — verwenden Sie ein integriertes Browser-Tool, das auf visuelle Inspektion spezialisiert ist.
• Sie benötigen Browser-Erweiterungsintegration — Agent Browser unterstützt das Laden von Erweiterungen nicht.
• Ihre Aufgabe ist rein visueller Natur und beinhaltet keine Interaktion mit Seitenelementen.

Anstatt fragiler CSS-Selektoren oder Koordinaten erfasst Agent Browser den Zugänglichkeitsbaum und weist jedem Element stabile @ref-IDs zu (z. B. @e2). KI-Agenten lesen diese Refs aus der JSON-Ausgabe und verwenden sie für alle nachfolgenden Interaktionen, was eine zuverlässige Zielansteuerung auch bei dynamischen Seitenaktualisierungen gewährleistet.

Unterstützt Klicken, Ausfüllen, Tippen, Hovern, Aktivieren/Deaktivieren, Auswählen, Ziehen, Scrollen, Drücken und mehr – alles ref-gesteuert. Bietet außerdem get- und is-Befehle zum Extrahieren von Text, HTML und Attributen sowie zum Überprüfen von Sichtbarkeit oder aktiviertem Zustand.

Führen Sie mehrere benannte Sitzungen gleichzeitig mit --session <name> aus. Jede Sitzung pflegt ihren eigenen Browser-Kontext und ermöglicht so Szenarien wie das gleichzeitige Testen von Administrator- und Benutzerrollen, ohne dass Cookies oder Zustände übertragen werden.

Speichere Cookies und Local Storage mit state save in einer JSON-Datei und lade sie später mit state load wieder, um Login-Abläufe vollständig zu überspringen — ideal für wiederholte Automatisierungsläufe.

Blockiere unerwünschte Anfragen (z. B. Werbung), simuliere API-Antworten und überprüfe die Netzwerkaktivität – alles über die CLI. Nützlich für Tests und Scraping ohne externe Störungen.

Warten auf Elemente, Textinhalte, URL-Muster, Netzwerk-Leerlauf oder beliebige JavaScript-Bedingungen. Sorgt für stabile Snapshots, bevor der Agent mit dem nächsten Schritt fortfährt.

Ein KI-Agent navigiert zu einer Suchmaschine, füllt eine Suchanfrage über ein ref-identifiziertes Eingabefeld aus, wartet auf die Ergebnisse und extrahiert anschließend Text und Links aus den Ergebniselementen – alles ohne Screenshots oder manuelles Anpassen von Selektoren.

Zwei gleichzeitige Sitzungen – eine als Administrator authentifiziert, eine als regulärer Benutzer – interagieren gleichzeitig mit derselben App. Jede Sitzung lädt ihren eigenen gespeicherten Authentifizierungsstatus und ermöglicht so eine parallele Workflow-Validierung.

Ein Agent meldet sich einmal an, speichert den Sitzungsstatus in auth.json und lädt diesen Status bei nachfolgenden Ausführungen, um die Anmeldung zu überspringen — und fährt dann direkt mit dem Ausfüllen und Absenden von Formularen fort.

Bei komplexen React- oder Vue-Apps erstellt der Agent nach jeder Navigation oder Zustandsänderung einen neuen Snapshot und arbeitet dabei stets mit einem aktuellen Accessibility-Tree, um sicherzustellen, dass alle Referenzen vor der Interaktion auf dem neuesten Stand sind.