agent-browser
概览
agent-browser 是一个面向智能体的内置浏览器自动化 skill，用于更确定性、更稳定的 Web 交互。
它不同于基于截图和视觉定位的浏览器流程，而是依赖 accessibility tree 快照和 ref 形式的元素选择。
仓库路径
skills/agent-browser/
└── SKILL.md
适用场景
- 多步骤浏览器工作流
- 复杂单页应用（SPA）
- 需要稳定元素定位的场景
- 需要反复执行的隔离自动化会话
核心工作流
- 打开目标页面。
- 生成带交互 ref 的快照。
- 读取返回的 JSON 结构。
- 使用
@e2这类 ref 与元素交互。 - 页面跳转或 DOM 变化后重新生成快照。
常见命令
agent-browser open https://example.com
agent-browser snapshot -i --json
agent-browser click @e2
agent-browser fill @e3 "text"
agent-browser wait --load networkidle
这个 skill 重点描述什么
由于这个 skill 主要以 CLI 方式驱动，它的核心价值主要体现在 SKILL.md 中，包括：
- 页面导航模式
- 快照策略
- 基于 ref 的交互方式
- wait 策略
- 多 session 使用方式
- 状态保存与恢复
为什么它重要
当智能体需要可靠的网页自动化能力，而又不想依赖脆弱的视觉选择器时，这就是最适合使用的 built-in skill。