每一步一条命令：智能体拿到的是带编号的无障碍树
来源：GitHub — 2026-11-11 · ⭐ 49,035 stars · Rust · 今日 +775
📋 概述
agent-browser 是一个用 Rust 写的原生 CLI，给智能体一个可以一条命令走一步的浏览器。snapshot 把页面输出成紧凑文本，每个元素带一个类似 @e1 的引用；智能体对着引用点击或输入，再重新读页面确认结果。浏览器在命令之间保持打开，所以每一步只是一次很短的 shell 调用。
🔑 核心要点
- 读的是无障碍树而不是截图，智能体不必做图像识别就能定位元素。
- 引用只对快照那一刻有效，页面跳转或 DOM 变动后要重新取快照再点。
- 除引用外也支持 CSS 选择器、文本、XPath 和语义定位，例如按角色加名字找按钮。
- npm 与 Homebrew 可装，也支持 npx 直接跑，另附 install 与 doctor 子命令检查环境。
💡 金句
给 AI 智能体的浏览器自动化：打开页面，把它读成无障碍树，然后在 shell 里对元素动手。
👍 0
👎 0
← 返回 GitHub Trending 首页