产品与定位
作为 AI 编程助手的浏览器自动化工具，提供真实 Chromium 控制能力。配合视觉模型可实现网页截图描述、交互自动化和数据抓取。兼容 pi、OpenCode 等主流编程助手。
功能速览
| 功能 | 说明 |
|---|---|
| 页面导航 | open <url> 访问任意网页 |
| 元素交互 | click、fill、press 等 DOM 操作 |
| 快照提取 | snapshot -i 获取可交互元素列表 |
| 截图支持 | 返回 base64 图片供视觉��型分析 |
| 内容读取 | get text、get title、get url |
| 会话清理 | 自动关闭浏览器进程 |
常用命令
| 命令 | 作用 | 示例 |
|---|---|---|
open <url> | 打开网页 | open https://example.com |
snapshot -i | 获取交互元素 | 返回带 @ref 的元素列表 |
click @<ref> | 点击元素 | click @e1 |
fill @<ref> <text> | 输入文本 | fill @e2 "query" |
screenshot [--full] | 页面截图 | 返回图片供视觉分析 |
close | 关闭浏览器 | 清理会话资源 |
调用与兼容性
# 安装
npm install -g agent-browser
agent-browser install # 下载 Chromium
# 配合 pi 使用
pi encode ./my-project
# 在 pi 中使用 browser 工具
# 配合 OpenCode 使用
opencode encode ./my-project
# 通过 MCP 扩展接入依赖要求
- Node.js ≥ 20
- Chromium 浏览器（通过 install 命令下载）
- 视觉能力模型（用于截图分析）：Claude Sonnet/Opus、GPT-4o、Gemini Pro 等
版本与更新注意
需配合对应版本的编程助手使用，截图结果会自动截断保护上下文窗口。
选型建��
需要浏览器自动化能力的 AI 编程助手时安装；适合网页测试、内容抓取、数据采集等场景。