让 AI 自己开网页、点按钮:agent-browser 实测,一个网页从 13.8 万字符缩到 6755

328次阅读
没有评论

共计 4067 个字符,预计需要花费 11 分钟才能阅读完成。

给 AI 一个能点按钮的浏览器

Vercel Labs 出品 · Rust 命令行 · Linux 实测 v0.42.0

agent-browser 上手实测

📦 6 个部分 + 写在最后:

  • PART 01 它是什么 → 一句话说清
  • PART 02 安装 → 两条命令
  • PART 03 第一个来回 → 打开、看、点、核对
  • PART 04 对比一:同一个网页,AI 要读多少字
  • PART 05 对比二:按钮被挡住时会怎样
  • PART 06 接到 AI 助手上 → 官方写的步骤
  • 写在最后 → 适合谁,先别急的情况

· · ·

agent-browser 是 Vercel Labs 开源的一个命令行工具,用途很直接:让 AI 助手自己打开网页、看页面、点按钮、填表单。

它解决的问题是「AI 看不懂网页该点哪儿」。网页源码动不动十几万字符,整页塞给 AI 又贵又乱;只给截图的话,AI 得自己估按钮在哪。agent-browser 的做法是把页面整理成一份带编号的清单,比如 button "提交登记" [ref=e4],AI 只要说「点 e4」就行。

它这周在 GitHub 日榜和 X 上都挺热,X 上有人贴出的日榜数据是单日涨了 914 星。我在自己的 Linux 测试机上装了 0.42.0,从安装到填完一张表单走了一遍,下面按对比的方式讲,每组都有终端原文和截图。

让 AI 自己开网页、点按钮:agent-browser 实测,一个网页从 13.8 万字符缩到 6755

▲ 示意图:AI 发一条命令,浏览器回一份带编号的清单,AI 再按编号操作

· · ·

PART 01

它是什么

一句话版本

一个给 AI 用的「浏览器遥控器」。

AI 每次只发一条短命令,比如 open(打开)、snapshot(看页面)、click(点)。浏览器在后台一直开着,不用每一步都重新启动。

几个基本信息

  • 作者:Vercel Labs,开源协议 Apache-2.0。
  • 热度:我截图时(2026 年 11 月 11 日)GitHub 显示约 4.9 万星、3.5 千 fork。
  • 版本:最新 v0.42.0,北京时间 11 月 10 日发布。
  • 平台:macOS、Linux、Windows 都有现成程序,npm 会自动挑对应的版本。
让 AI 自己开网页、点按钮:agent-browser 实测,一个网页从 13.8 万字符缩到 6755

▲ 截图来源:GitHub vercel-labs/agent-browser 仓库页(2026 年 11 月 11 日)

· · ·

PART 02

安装

动手前先确认 Node 版本

npm 上这一版写的要求是 Node.js 22 或更高。终端里敲一下:

node -v

我的是 v24.22.1,够用。低于 v22 的先升级 Node 再往下走。

两条命令

npm install -g agent-browser
agent-browser install

第一条装命令行工具本体,第二条下载它专用的 Chrome(Chrome for Testing)。

预期结果:agent-browser --version 能打出版本号;第二条最后一行出现 installed successfully。

让 AI 自己开网页、点按钮:agent-browser 实测,一个网页从 13.8 万字符缩到 6755

▲ 我本机终端的原始输出,① 是 npm 的提醒,② 是版本号,③ 是 Chrome 装好的位置

🍎 黄字警告先别慌

我用的 npm 11 会提示「安装脚本没跑」(install-scripts not yet covered by allowScripts)。

实测命令照样能用,版本号正常打出来了。

介意的话,按提示加 --allow-scripts=agent-browser 重装一次。

🍎 Linux 上浏览器打不开

报 shared library 之类的错,改用 agent-browser install --with-deps,它会顺手把系统依赖库也装上。

Chrome 安装包大约 194MB,网速慢的话这一步会多等一会儿。

· · ·

PART 03

第一个来回

官方 README 给的例子是 example.com,我原样跑了一遍。

打开页面 → 看清单 → 按编号点 → 核对结果

agent-browser open example.com
agent-browser snapshot -i
agent-browser click @e1
agent-browser get url

每一步的预期:

  • open:打印页面标题 Example Domain。
  • snapshot -i:只列可以操作的东西。这个页面就一行:link "Learn more" [ref=e1]。
  • click @e1:返回 ✓ Done。
  • get url:网址变成了 iana.org 的页面,说明真的点进去了。
让 AI 自己开网页、点按钮:agent-browser 实测,一个网页从 13.8 万字符缩到 6755

▲ 第一个来回:清单里只有 e1,点完网址确实变了

-i 这个参数建议一直带着,它会把纯文字、装饰性的东西都过滤掉,只留按钮、链接、输入框。

· · ·

PART 04

对比一:同一个网页,AI 要读多少字

这是 agent-browser 被夸得最多的地方:省字数,也就是省 AI 的 token。

我拿两个真实网页量了一下,一个是 Hacker News 首页,一个是科技喵仔首页。量法很土:get html 拿页面源码,snapshot 和 snapshot -i 拿清单,然后数字符。

页面HTML 源码snapshotsnapshot -i
Hacker News 首页339182614614260(382 项)
科技喵仔首页138331224186755(138 项)
让 AI 自己开网页、点按钮:agent-browser 实测,一个网页从 13.8 万字符缩到 6755

▲ 我本机量出来的字符数,括号里是清单行数

让 AI 自己开网页、点按钮:agent-browser 实测,一个网页从 13.8 万字符缩到 6755

▲ 示意图:差距大不大,要看网页本身

看出来没:差距大小很看网页。

科技喵仔首页脚本、样式多,源码 13.8 万字符,snapshot -i 只剩 6755,差了 20 倍左右。Hacker News 本身就很朴素,源码才 3.4 万,清单还有 1.4 万,只省了一半多一点。

🍎 省下的字,可能被「说明书」吃回去

AI Parabellum 11 月 9 日做过一次对比:让 Claude Code 分别用 agent-browser 和 Playwright MCP 测同一个网店。

两边都找到了全部 3 个 bug,但 agent-browser 开场要先读一份约 1.45 万字符的使用指南,占了它全部返回文字的 43%,最后总上下文两边只差 5% 左右。

所以「省 token」别光看页面那一头。页面越重,清单省下的字越多;页面本来就轻、任务又短,省下的那点可能还不够付说明书的钱。

· · ·

PART 05

对比二:按钮被挡住时会怎样

我自己写了一个小页面:一张「到货提醒」表单,底下故意压一条很高的 Cookie 横幅,把「提交登记」按钮整个盖住。

横幅、弹窗压住按钮,在真实网站上太常见了。我想看看它会不会「点了个寂寞」还回一句成功。

让 AI 自己开网页、点按钮:agent-browser 实测,一个网页从 13.8 万字符缩到 6755

▲ 左:刚打开,横幅盖住表单;右:关掉横幅、填表、提交之后

挡住的时候

清单里能看到「提交登记」是 e4,我直接 click @e4。

它没有假装成功,直接报错,还说清楚是谁挡的:

✗ Element '@e4' is covered by <div#cookie> at its click point ...

意思是「e4 的位置被 div#cookie 盖住了,这一下会点到横幅上」。

关掉之后

点「同意并关闭」(e5) → 重新 snapshot → 填邮箱 (e2) → 填商品编号 (e3) → 点提交 (e4)

最后 get text "#ok" 读到的是「已登记:test@example.com,补货后通知」,表单真的交上去了。

让 AI 自己开网页、点按钮:agent-browser 实测,一个网页从 13.8 万字符缩到 6755

▲ ① 被挡住时拒绝点击 ② 先关横幅 ③ 提交成功

🍎 编号只认最新那份清单

页面一变(跳转、弹窗、刷新),旧编号就可能失效。

我测试时用旧编号去点,直接得到 ✗ Unknown ref: e5。

解法就一条:页面有变化,先重新 snapshot -i,再用新编号。

· · ·

PART 06

接到 AI 助手上

前面都是我自己在终端里敲的,这一节没有接 AI 助手实跑,以下是官方写的步骤。

方法一:让 AI 先读说明书

官方在 README 里建议,把下面这段话加进项目的 AGENTS.md:

Use `agent-browser` for browser automation. Before the first use, run
`agent-browser skills get core` and follow it.

skills get core 会打印一份和当前版本配套的使用指南,我本机数了一下,258 行、约 1.6 万字符。AI 读完就知道「先 snapshot、再按编号操作、页面变了再 snapshot」这套规矩。

方法二:装成技能

npx skills add vercel-labs/agent-browser

官方说装进去的只是一个很薄的入口,真正的说明还是去读 skills get core,所以说明内容总跟着 CLI 版本走。

方法三:当 MCP 服务用

支持 MCP 的客户端,可以用 agent-browser mcp 启动一个 MCP 服务。

另外 agent-browser skills list 里还有 electron(操作桌面应用)、dogfood(系统地点一遍网站找问题)等专项技能,我本机列出来是 9 个。

· · ·

写在最后

让 AI 自己开网页、点按钮:agent-browser 实测,一个网页从 13.8 万字符缩到 6755

▲ 示意图:适合先试,和先别急

适合先试的情况

  • 想让 Claude Code、Codex 这类助手顺手检查自己写的网页,点一点、填一填。
  • 习惯在 shell 里干活,想把浏览器操作写进脚本。
  • 同时用好几个 AI 助手,想用同一套命令。

先别急的情况

  • 已经在用 Playwright MCP,而且用得顺手。上面那次对比里,Playwright MCP 还快了半分多钟。
  • 想拿它去刷有风控的平台。有公众号作者实测,用它跑小红书深链路时跳到了风险页;能模拟点击,不代表能过风控。
  • 一模一样的任务要重复跑很多次。有人拿同一个浏览器任务让 AI 跑了 216 次,结论是让 AI 摸清流程后写成固定脚本,比每次都让 AI 现场操作快得多。

两条命令就能装好,用完记得 agent-browser close 关掉浏览器;不关的话,后台默认闲置一小时才自己退出。

相关阅读

参考来源

正文完
 0

版权声明:除特殊说明外本站文章皆由CC-4.0协议发布,转载请注明出处。

科技喵仔
版权声明:本站原创文章,由 科技喵仔 于2026-11-11发表,共计4067字。
转载说明:除特殊说明外本站文章皆由CC-4.0协议发布,转载请注明出处。
评论(没有评论)
验证码
    中文English