Agent Browser

• 您需要自动化多步骤浏览器工作流，其中 AI 代理必须跨多个页面进行导航、读取状态并执行交互。
• 您需要确定性元素选择 — 基于 ref 的定位方式消除了 XPath 或基于像素点击的脆弱性。
• 您正在处理复杂的单页应用程序（SPA），其中 DOM 动态变化，每次操作后都需要重新获取快照。
• 您需要会话隔离 — 同时运行多个浏览器上下文（例如管理员和用户），互不干扰。

• 您需要截图或PDF进行视觉分析 — 请使用专门用于视觉检查的内置浏览器工具。
• 您需要浏览器扩展集成 — Agent Browser 不支持加载扩展程序。
• 您的任务纯粹是视觉性的，不涉及与页面元素的交互。

Agent Browser 不依赖脆弱的 CSS 选择器或坐标，而是捕获无障碍树，并为每个元素分配稳定的 @ref ID（例如 @e2）。AI 智能体从 JSON 输出中解析这些 ref，并将其用于所有后续交互，即使在页面动态更新的情况下也能确保可靠的元素定位。

支持点击、填写、输入、悬停、选中/取消选中、选择、拖拽、滚动、按键等操作——全部基于引用驱动。同时提供 get 和 is 命令，用于提取文本、HTML、属性，以及检查可见性或启用状态。

使用 --session <name> 同时运行多个命名会话。每个会话维护独立的浏览器上下文，支持并行测试管理员和普通用户角色等场景，无需担心 Cookie 或状态相互污染。

使用 state save 将 cookies 和本地存储保存到 JSON 文件中，之后通过 state load 重新加载，从而完全跳过登录流程——非常适合需要重复执行的自动化任务。

屏蔽不需要的请求（例如广告）、模拟 API 响应，并检查网络活动——全部通过 CLI 完成。适用于在没有外部干扰的情况下进行测试和数据抓取。

等待元素、文本内容、URL 模式、网络空闲或任意 JavaScript 条件。在 Agent Browser 继续执行下一步之前，确保页面快照处于稳定状态。

AI 代理导航至搜索引擎，使用通过 ref 标识的输入框填写查询内容，等待结果加载，然后从结果元素中提取文本和链接——整个过程无需截图或手动调整选择器，全部由 Agent Browser 自动完成。

两个同时进行的会话——一个以管理员身份认证，另一个作为普通用户——同时与同一应用程序进行交互。每个会话加载各自保存的身份验证状态，从而实现并行工作流的验证。

代理登录一次后，将会话状态保存至 auth.json，在后续运行时加载该状态以跳过登录步骤——然后直接进行表单填写与提交。

对于复杂的 React 或 Vue 应用，Agent Browser 在每次导航或状态变更后重新截取快照，始终基于最新的无障碍树进行操作，以确保在交互前引用是最新的。