Vercel 开源浏览器自动化 CLI 工具 agent-browser

Vercel 开源项目 agent-browser 是由 Vercel（原名 ZEIT）团队推出的一款 开源浏览器自动化 CLI 工具。它旨在为 AI 代理（AI Agents）赋能，使得大模型不仅能“思考”，还能“动手”直接操作网页、执行真实任务。

以下是该项目的详细介绍：

1. 核心定位与目标

agent-browser 并非传统意义上的浏览器驱动（如 Selenium），而是专为 Agentic AI（具身智能）设计的工具。

• 赋予 AI 动手能力：解决了大模型只能“读”网页、却无法“写”网页或进行交互的问题。它让 AI 能够执行诸如比价、自动化填表、测试网页功能等实际任务。
• 构建 AI 原生应用：开发者可以基于此工具，快速搭建具备执行力的智能代理，实现人机协作的新范式。

2. 主要功能特性

agent-browser 提供了丰富的浏览器控制功能，支持从基础浏览操作到复杂的网络拦截和调试：

2.1 基础浏览与交互

• 页面操作：打开网页 (open)、点击元素 (click)、输入文字 (fill)。
• 导航控制：前进 (forward)、后退 (back)、刷新 (reload)。

2.2 内容获取与分析

• 快照 (Snapshot)：生成当前页面的可访问性树（Accessibility Tree），详细列出页面上所有可交互元素（按钮、链接、输入框等），并生成 Ref (引用 ID) 供后续精准操作。
• 调试信息：查看控制台日志 (console)、页面错误 (errors)、高亮元素 (highlight)。

2.3 网络与请求拦截

• 网络路由：拦截、阻止或模拟网络请求（Mock），用于测试或跳过不必要的请求。
• 自定义 Header：设置 HTTP Header（如 Authorization），实现无 UI 登录，直接带着 Token 访问受保护资源。

2.4 会话与多实例

支持多浏览器实例（Session），每个实例拥有独立的 Cookie、LocalStorage 和导航历史，实现多用户或多任务并行。

2.5 AI 友好特性

• Refs 与 Refers：推荐使用 Ref 进行元素定位（如 @e1），相比传统的 CSS Selector，Ref 具有确定性、速度快且最适合 AI 理解。
• JSON 输出：支持 --json 参数，返回机器可读的 JSON 数据，便于 AI 直接解析并决定下一步操作。

3. 使用场景

• 智能客服：AI 可直接操作网页为用户预订机票、查询快递，而无需人类客服介入。
• 自动化测试：AI 能像人类一样浏览网站、点击按钮、填写表单并判断结果，用于回归测试。
• 网站数据爬取：比传统爬虫更智能，能处理需要登录、交互或加载大量 JS 内容的网站。

4. 项目现状与兼容性

• 开源与生态：项目托管在 GitHub 上（vercel-labs/agent-browser），遵循 Apache-2.0 许可证。
• AI 模型兼容：已全面兼容主流 AI 编程助手和模型，包括 Claude Code、Gemini、Cursor、GitHub Copilot、OpenAI Codex 等。
• 技术栈：底层使用 Chromium（默认）和 Playwright 协议，支持跨平台运行（Linux、macOS、Windows）。