AI代理浏览器自动化

1. 📌 Skill基础信息

Skill名称：agent-browser

简称：浏览器自动化CLI

来源：社区第三方（mxyhi/ok-skills）

运行宿主：只能在使用 Bash 工具的 AI Agent 环境中运行（例如 Claude-Code CLI、Cursor、Windsurf 等支持 Bash 命令执行的 Agent 工具）

核心定位：为 AI Agent 提供快速浏览器自动化能力，解决网页交互、数据抓取、表单填写、测试验证等需要程序化控制浏览器的场景需求。

2. 🧩 内部核心组成

子Agent集合：

core：核心工作流和通用模式
electron：Electron 桌面应用自动化
slack：Slack 工作区自动化
dogfood：探索性测试/QA/缺陷排查
derive-client：HAR 记录和API客户端生成
vercel-sandbox：Vercel Sandbox 微虚拟机环境
agentcore：AWS Bedrock AgentCore 云浏览器

斜杠命令：

命令名	功能简述
agent-browser skills get core	获取核心工作流文档
agent-browser skills get electron	获取Electron应用自动化文档
agent-browser skills get slack	获取Slack自动化文档
agent-browser skills list	列出所有可用技能

MCP工具：Bash(agent-browser:*), Bash(npx agent-browser:*)

目录结构：【无公开信息】

模板文件：【无公开信息】

Hooks钩子：【无公开信息】

规则约束：【无公开信息】

3. 🛠 安装与启用方式

前置依赖：

Node.js 环境
Chrome/Chromium 浏览器

安装命令：

npm i -g agent-browser
agent-browser install

启动方式：通过 Bash 工具直接调用 agent-browser 相关命令

API/工具要求：需要 Chrome DevTools Protocol (CDP) 支持

4. 📋 标准工作流

用户输入指令：用户通过 Agent 发出浏览器操作指令（如打开网站、填写表单、点击按钮等）
技能触发：Agent 识别到浏览器自动化需求，调用 agent-browser 命令
浏览器控制：通过 CDP 协议控制 Chrome/Chromium 浏览器执行相应操作
元素定位：使用可访问性树快照和紧凑元素引用（@eN）进行可靠的元素交互
结果返回：操作结果（截图、数据提取等）返回给用户
会话管理：支持会话保持、状态持久化和视频录制

5. ⚠️ 关键限制、缺陷、注意事项

平台限制：

仅支持 Chrome/Chromium 浏览器
需要 CDP 协议支持
不支持移动端浏览器自动化

Token消耗：浏览器操作会产生额外的计算和网络开销，但相比内置浏览器工具更高效

适合项目：

Web 应用测试和自动化
数据抓取和提取
表单填写和提交
探索性测试和QA

不适合项目：

高性能要求的实时自动化
移动端应用测试
非 Chromium 系浏览器自动化

生产环境：可用于生产环境，但需要确保浏览器环境的稳定性和可靠性

已知坑点：需要保持 Chrome/Chromium 版本与 CDP 协议的兼容性

6. ✅ 适用场景 & ❌ 不适合场景

✅ 适用场景：

AI Agent 需要与网站交互的任何场景
Web 应用测试和质量评估
数据抓取和内容提取
自动化表单填写和提交
Electron 桌面应用自动化（VS Code、Slack、Discord等）
探索性测试和缺陷排查

❌ 不适合场景：

需要跨浏览器兼容性的测试
移动端浏览器自动化
对执行速度有极端要求的实时自动化
非 Chromium 系浏览器的自动化需求
需要完整浏览器生态（如 Playwright/Puppeteer）的高级功能

如何安装

skills install --user mxyhi/ok-skills

通用安装教程：在哪里输入上面的命令

上面的命令本质是在「终端 / 命令行」中调用技能管理器，把该 Skill 下载并注册到你的 AI 工具。各主流工具打开终端的位置不同，按下面操作即可：

打开工具自带的终端面板，或系统终端（macOS「终端」、Windows「PowerShell」、Linux「Terminal」）。
把上面的安装命令复制进去，回车运行，等待下载与注册完成。
重启或重新加载 AI 工具，让新安装的 Skill 被识别。
新建对话并触发：直接描述用途，或通过该工具的技能 / 斜杠菜单选中此 Skill。

Claude 桌面版（macOS / Windows）

桌面版没有内置命令行，Skill 需通过 Claude Code CLI 安装。打开系统终端，先执行 npm install -g @anthropic-ai/claude-code，再运行上面的安装命令；完成后完全退出并重新打开 Claude。

Claude Code（终端 CLI）

直接在项目目录的终端里运行上面的命令即可。也可先输入 claude 启动交互界面，再在对话中引用该 Skill（/ 斜杠菜单或直接描述用途）。

VS Code（含 GitHub Copilot）

打开终端面板：菜单「终端 → 新建终端」，或快捷键 Ctrl+`（macOS 为 ⌃+`）。在终端里运行上面的命令；装完后执行「重新加载窗口」（Ctrl+Shift+P → Reload Window），让 Copilot 等扩展识别新技能。

Cursor

底部「终端」面板（Ctrl+`）即是内置终端。粘贴运行上面的命令，完成后在命令面板执行「Reload Window」刷新，再开始对话。

Windsurf

底部「终端」面板运行命令；也可直接使用其内置 Agent 终端，在对话侧执行安装。

其他工具（ChatGPT、本地脚本等）

不支持本地终端的产品，可先在本机终端完成安装，再在对话中描述该 Skill 的能力让其调用；不同工具的命令格式请以其官方文档为准。

风险提示

✅ 低风险

自动扫描未发现高危命令、隐私抓取或数据外传行为。仍建议安装前快速浏览仓库代码。

浏览器自动化代理