Agent Browser

• 自动化 Web 交互 — 您需要 AI 智能体在真实网站上导航页面、点击按钮、填写表单或执行多步骤工作流。
• 提取结构化数据 — 您希望对页面的可访问性树或 DOM 进行快照，以从动态 JavaScript 渲染内容中提取文本、属性或元素数量。
• 以编程方式填写表单 — 您正在作为自动化流水线的一部分提交登录表单、搜索查询或多字段表单。
• 测试 Web UI — 您需要轻量级、CLI 驱动的浏览器测试，支持截图、PDF 导出或交互录制视频。

• 静态 HTML 抓取 — 如果目标页面是纯 HTML 且不含 JavaScript，使用更轻量的 HTTP 客户端或 HTML 解析器会更快、更简单。
• 大规模高并发爬取 — Agent Browser 针对顺序智能体工作流进行了优化，并非用于同时跨数千个 URL 的分布式网络爬取。

运行 agent-browser snapshot -i 获取所有带有稳定 @ref 标识符（例如 @e1、@e2）的交互元素列表。在后续的点击、填写、悬停或获取命令中直接使用这些 ref——无需 CSS 选择器或 XPath。

支持点击、双击、聚焦、填写、输入、按键/按住/释放、悬停、复选框勾选/取消勾选、下拉选择、拖放、文件上传和滚动——几乎涵盖浏览器支持的所有用户交互。

使用 agent-browser state save 将已验证的浏览器状态（Cookie、存储）保存到 JSON 文件，然后在未来的会话中重新加载以跳过重新验证。通过 --session <name> 实现并行隔离会话，允许同时运行多个浏览器上下文。

捕获全页截图、将页面保存为 PDF，或将浏览器交互录制为 .webm 视频文件。录制会保留当前会话的 Cookie 和存储，非常适合创建可复现的演示。

使用 agent-browser network route 拦截、阻止或模拟 HTTP 请求。过滤和检查已跟踪的请求，以调试 API 调用或在测试期间模拟离线/错误状态。

当 ref 不可用时，使用语义定位器通过 ARIA 角色、可见文本、标签或 CSS 选择器查找元素——例如，agent-browser find role button click --name "Submit" 或 agent-browser find text "Sign In" click。

AI 智能体打开目标 URL，对页面进行快照以通过 ref 识别表单字段，使用 agent-browser fill 填写每个字段，通过点击提交，然后等待网络空闲并重新快照以确认成功——全程无需人工介入。

以交互方式登录一次，使用 agent-browser state save auth.json 保存会话，并在以后所有智能体运行时重新加载。这样可以避免重复的登录流程，并将凭据排除在自动化脚本之外。

导航到 JavaScript 渲染的页面，运行 agent-browser snapshot 捕获完整的可访问性树，然后使用 agent-browser get text 或 agent-browser get attr 命令提取普通 HTTP 爬虫无法获取的结构化内容。

编写一系列浏览器交互脚本，在每个步骤捕获截图或录制视频，并导出最终状态的 PDF——为 QA 流水线提供跨测试运行的预期行为视觉证明。