Agent Browser

• Automatisera webbinteraktioner — Du behöver en AI-agent för att navigera på sidor, klicka på knappar, fylla i formulär eller utföra arbetsflöden med flera steg på riktiga webbplatser.
• Extrahera strukturerad data — Du vill ta en ögonblicksbild av en sidas tillgänglighetsträd eller DOM för att hämta text, attribut eller elementantal från dynamiskt, JavaScript-renderat innehåll.
• Fylla i formulär programmatiskt — Du skickar in inloggningsformulär, sökfrågor eller formulär med flera fält som en del av en automatiserad pipeline.
• Testa webb-gränssnitt — Du behöver lättviktig, CLI-driven webbläsartestning med skärmdumpar, PDF-export eller videoinspelning av interaktioner.

• Statisk HTML-skrapning — Om målsidan är ren HTML utan JavaScript kommer en enklare HTTP-klient eller HTML-parser att vara snabbare och enklare.
• Storskalig högkoncurrent crawling — Agent Browser är optimerad för sekventiella agentarbetsflöden, inte distribuerad webbcrawling över tusentals URL:er samtidigt.

Kör agent-browser snapshot -i för att få en lista över alla interaktiva element med stabila @ref-identifierare (t.ex. @e1, @e2). Använd dessa refs direkt i efterföljande klick-, fyll-, hovra- eller hämta-kommandon — inga CSS-väljare eller XPath krävs.

Stöder klick, dubbelklick, fokus, fyll i, skriv, tangentbordstryckning/-håll/-släpp, hovring, kryssruta markera/avmarkera, rullgardinsmeny val, dra och släpp, filuppladdning och rullning — vilket täcker nästan alla användarinteraktioner som en webbläsare stöder.

Spara autentiserat webbläsartillstånd (cookies, lagring) till en JSON-fil med agent-browser state save, och ladda sedan om det i framtida sessioner för att hoppa över återautentisering. Parallella isolerade sessioner via --session <name> möjliggör flera samtidiga webbläsarkontexter.

Ta skärmbilder av hela sidor, spara sidor som PDF-filer eller spela in webbläsarinteraktioner som .webm-videofiler. Inspelning bevarar cookies och lagring från den aktuella sessionen, vilket gör det idealiskt för att skapa reproducerbara demonstrationer.

Avlyssna, blockera eller mocka HTTP-förfrågningar med agent-browser network route. Filtrera och inspektera spårade förfrågningar för att felsöka API-anrop eller simulera offline-/feltillstånd under testning.

När refs inte är tillgängliga, använd semantiska lokaliserare för att hitta element via ARIA-roll, synlig text, etikett eller CSS-väljare — till exempel agent-browser find role button click --name "Submit" eller agent-browser find text "Sign In" click.

En AI-agent öppnar en mål-URL, tar en ögonblicksbild av sidan för att identifiera formulärfält via ref, fyller i varje fält med agent-browser fill, skickar in formuläret med ett klick, väntar sedan tills nätverket är inaktivt och tar en ny ögonblicksbild för att bekräfta att det lyckades — allt utan att en människa behöver vara inblandad.

Logga in en gång interaktivt, spara sessionen med agent-browser state save auth.json och läs in den på nytt i alla framtida agentkörningar. Detta undviker upprepade inloggningsflöden och håller autentiseringsuppgifter utanför automatiseringsskript.

Navigera till en JavaScript-renderad sida, kör agent-browser snapshot för att fånga hela tillgänglighetsträdet och använd sedan kommandona agent-browser get text eller agent-browser get attr för att extrahera strukturerat innehåll som en vanlig HTTP-skrapare skulle missa.

Skripta en sekvens av webbläsarinteraktioner med Agent Browser, ta skärmdumpar eller en videoinspelning vid varje steg och exportera en PDF av slutstatus — vilket ger QA-pipelines visuella bevis på förväntat beteende över flera testkörningar.