每一步一条命令：智能体拿到的是一张带编号的页面快照
来源：GitHub — 2026-11-08 · ⭐ 46,614 stars · Rust
📋 概述
agent-browser 是 Rust 写的原生命令行工具，把浏览器交给智能体一步一步驱动。snapshot 把页面读成紧凑文本，每个可交互元素带 @e1 这样的引用；智能体点这个引用，再读一次页面确认结果，浏览器进程在命令之间一直开着，所以每一步只是一次很短的 shell 调用。
🔑 核心要点
- snapshot -i 只列可交互元素，每个带一个 ref，智能体不用去追会随改版失效的 CSS 选择器。
- 跳转或 DOM 变化后旧 ref 立刻作废，必须重新快照再动作，否则就是拿过期坐标点页面。
- 目标被遮挡、置灰或在视口外时，点击命令直接失败而不是假报成功，先关掉遮挡物再重试。
- 除 ref 之外也支持 CSS、文本、XPath 和语义定位，例如按 role 找按钮再点。
💡 金句
agent-browser is a native Rust CLI that gives an AI agent a browser it can drive one command at a time.
👍 0
👎 0
← 返回 GitHub Trending 首页