agent-browser 是 Vercel Labs 在 2026 年推出的浏览器自动化 CLI 工具,专门面向 AI Agent。它用原生 Rust 编写,基于 Chrome DevTools Protocol (CDP)直接操控真实 Chrome 浏览器,而不是用无头模式或 Puppeteer 模拟。这是当下 AI Agent 领域少有的”为 Agent 量身定制”的浏览器工具。
它的核心创新是「Snapshot + Ref」机制——不是给 Agent 一堆 DOM 文本,而是给 Agent 一个无障碍树 snapshot 和一组 Ref 引用,让 LLM 能用最少 token 看完整个网页结构,做出精准的点击、输入、滚动操作。这种设计让 Agent 操作网页时的上下文消耗降低一个量级。
对于做 AI Agent 项目的开发者,agent-browser 是 GitHub 仓库最近非常活跃的 Rust 工具,提供 50+ 浏览器操作命令、多会话隔离、云浏览器接入、实时 Dashboard 等能力。
一、工具介绍
agent-browser 由 Vercel Labs 团队开发,定位是「AI Agent 专用浏览器自动化 CLI」。
几个核心数据:
- 官网:`https://agent-browser.dev/`
- 语言:Rust
- 协议:Chrome DevTools Protocol(CDP)
- 主要面向人群:AI Agent 开发者、自动化工程师、Web 测试团队
它针对的是当下 AI Agent 落地的核心痛点——「让 Agent 像人一样操作浏览器」。传统解决方案是 Puppeteer / Playwright / Selenium 等通用工具,但这些工具是为人类自动化测试设计的,不是为 LLM 设计的。agent-browser 在协议层、API 层、可观测性层都重新设计,核心服务对象是 AI Agent。
二、核心功能
2.1 Snapshot + Ref 机制
不是给 LLM 完整的 DOM 文本,而是输出无障碍树 snapshot,每个可操作元素分配一个 Ref 编号。LLM 说”点 ref=42″就完成点击,减少上下文消耗。
2.2 Chrome DevTools Protocol 直接控制
不走 headless 模式,直接跟真实 Chrome 浏览器对话。这意味着它能看到浏览器扩展、看到的 Cookie、看得到的渲染效果都跟用户实际看到的一样。
2.3 Rust 原生实现
Rust 写的,二进制小、启动快、内存占用低。对需要快速启动大量 Agent 任务的服务端来说很友好。
2.4 50+ 浏览器操作命令
提供 click、type、scroll、screenshot、evaluate、navigate、waitFor 等 50+ 浏览器操作命令,覆盖 Agent 任务全场景。
2.5 多会话隔离
可以在同一进程内启动多个隔离的浏览器会话,每个会话独立 Cookie、独立 localStorage、独立代理,适合需要多账号并发的场景。
2.6 云浏览器接入
支持接入云浏览器服务(Browserless / Browserbase 等),适合需要大规模并发的场景。
2.7 实时 Dashboard
提供 Web Dashboard,实时看到 Agent 操作的网页截图、点击事件、性能数据,方便调试和监控。
2.8 Open source
开源协议(具体见官网),适合二次开发。
三、使用场景
3.1 AI Agent 项目集成
做 AI Agent 项目的开发者,让 Agent 操作网页能力从零开始构造,改用 agent-browser 可以一周集成。
3.2 网页自动化测试
QA 团队用 Agent 自动测试网页,agent-browser 的 Snapshot + Ref 机制让 LLM 看到简洁的网页结构。
3.3 数据抓取 / 网页解析
需要从动态加载网页抓数据的场景,agent-browser 可以让 LLM 控制浏览器,执行解析动作。
3.4 网页操作 Agent
用户用自然语言让 Agent 完成”在百度搜索并填表”这类任务,agent-browser 是底层支撑。
3.5 多账号并发
需要同时操作多个网页账号(电商卖家、社交媒体运营),用 agent-browser 的多会话隔离能力。
3.6 反爬虫场景
CDP 协议让 agent-browser 看起来更像”真人”,不容易被反爬虫识别。
四、价格方案
agent-browser 是开源工具,基础功能免费。具体企业支持、云浏览器配额等高级功能以官网为准。
五、功能特点
5.1 为 LLM 设计
跟 Puppeteer / Playwright 等通用工具不同,agent-browser 在协议层就考虑 LLM 使用场景。
5.2 Snapshot 节省 token
无障碍树 snapshot 比 DOM 文本简洁 5-10 倍,大幅降低 LLM 操作网页时的 token 消耗。
5.3 Rust 性能优势
启动快、内存占用低,对服务端密集调用的场景至关重要。
5.4 CDP 协议原生
不需要中间层 proxy,直接对话浏览器,响应延迟低。
六、上手指南
1. 安装:`cargo install agent-browser` 或访问官网下载二进制
2. 启动 Chrome 远程调试模式
3. 在脚本里调用 agent-browser 的 CLI,或者作为 Rust 库引入
4. 通过 Snapshot + Ref 控制浏览器
5. 通过 Dashboard 监控
七、常见问题
agent-browser 是免费的吗?
是的,基础功能开源免费。企业级支持和云浏览器配额需要付费。
跟 Puppeteer / Playwright 有什么区别?
Puppeteer / Playwright 是通用浏览器自动化工具,主要面向人类自动化测试。agent-browser 是为 LLM Agent 设计的,在 Snapshot + Ref、多会话隔离、可观测性层做了针对性优化。
支持 headless 模式吗?
支持。真实 Chrome 浏览器 + headless 模式都可以,根据需要选用。
能处理反爬虫机制吗?
CDP 协议让 agent-browser 看起来更像”真人”,在大多数反爬虫场景能正常工作,但具体效果取决于目标网站的检测强度。
适合大规模并发吗?
支持,有多会话隔离和云浏览器接入能力。具体并发上限取决于网络、机器配置。
