入门
基于 vercel-labs/agent-browser 主分支（2026-07）的 README、
skills/agent-browser/SKILL.md、skill-data/{core,vercel-sandbox,agentcore}/SKILL.md编写。
速查
- 定位：Vercel Labs 出品的浏览器自动化 CLI，面向 coding agent；原生 Rust daemon + CDP 驱动 Chrome，无 Playwright/Puppeteer 依赖
- 装：
npm i -g agent-browser && agent-browser install（首次跑install从 Chrome for Testing 下载 Chrome）；也可brew install agent-browser/cargo install agent-browser - 主循环：
open <url>→snapshot -i→ 按@eNrefclick / fill / get text→ 页面变了立刻重新 snapshot - agent skill：
npx skills add vercel-labs/agent-browser（Claude Code / Cursor / Codex / OpenCode / Gemini / Copilot / Goose / Windsurf 通用） - 域 skill：
agent-browser skills get core | electron | slack | dogfood | vercel-sandbox | agentcore - 自然语言：
agent-browser chat "open google and search for cats"（Vercel AI Gateway） - 跨 agent 标准化：所有 agent 调同一套 CLI/命令；MCP stdio 服务
agent-browser mcp直接收 - 许可：Apache-2.0；二进制跨 macOS ARM/x64、Linux ARM/x64、Windows x64
定位：CDP CLI，面向 agent
agent-browser 的三层定位：
- 驱动层：原生 Chrome / Chromium，通过 Chrome DevTools Protocol（CDP） 直连，不走 Playwright/Puppeteer 的 Node 包裹。daemon 是纯 Rust，浏览器跨命令复用
- 抽象层：accessibility-tree 快照 +
@eNref——把页面变成扁平的「ref → 角色/名称/属性」表，agent 不解析 DOM，单次约 200–400 tokens - agent 层：CLI 命令 + MCP stdio + skill 系统。任何能跑 shell 命令或起 MCP 子进程的 agent 都能用
这三层叠加，使它不绑死某个 agent，也不强制 Chrome 才能用——Lightpanda（
--engine lightpanda）、Safari/WebDriver（iOS）、远程 CDP（--cdp <port|url>）、Browserless/Browserbase/Browser Use/Kernel/AgentCore 云浏览器都接同一套命令。
安装
bash
# 推荐：全局 npm
npm install -g agent-browser
agent-browser install # 首次：从 Chrome for Testing 下载 Chrome
# 或 Homebrew（macOS）
brew install agent-browser
agent-browser install
# 或 Cargo（Rust）
cargo install agent-browser
agent-browser install
# Linux：顺带装浏览器系统依赖
agent-browser install --with-deps
# 升级（自动识别 npm/brew/cargo）
agent-browser upgrade前置条件
- Chrome：
agent-browser install自动下载；已装的 Chrome / Brave / Playwright / Puppeteer Chromium 自动识别 - 从源码构建才需要 Node.js 24+、pnpm 11+、Rust
装到 AI coding assistant
bash
npx skills add vercel-labs/agent-browser写一个瘦发现桩到 .claude/skills/agent-browser/SKILL.md（或对应 agent 的 skill 目录）。真正的指令要跑 agent-browser skills get core 在线拉取——这样指令永远和已装 CLI 版本对齐，不会过期。
Hello, browser：最小工作流
bash
# 1. 打开页面
agent-browser open https://example.com
# 2. 看交互元素（按钮/输入/链接）
agent-browser snapshot -i
# @e1 [heading] "Example Domain"
# @e2 [link] "More information..."
# 3. 按 ref 操作
agent-browser click @e2
agent-browser screenshot result.png
agent-browser closeopen 之后浏览器进程不退出（后台 daemon），所以连续命令感觉像同一会话——这是 agent-browser 快的关键之一。
多 skill 总览
| Skill | 何时用 | 一句话 |
|---|---|---|
agent-browser（主） | 装到 agent 的发现桩 | 指向 skills get core，永远匹配已装版本 |
core | 默认浏览器自动化 | snapshot+ref、navigate、form、extract、screenshot、tab、auth、session |
electron | 桌面 Electron 应用 | VS Code、Slack、Discord、Figma、Notion、Spotify——走 CDP |
slack | Slack workspace 自动化 | 看未读、发消息、搜会话 |
dogfood | 探索式测试 / QA / bug hunt | 自己产品 dogfood、回归前快速过一遍 |
vercel-sandbox | 浏览器跑进 Vercel Sandbox microVM | Next.js/SvelteKit/Nuxt/Remix/Astro 应用里调浏览器 |
agentcore | AWS Bedrock AgentCore 云浏览器 | SigV4 鉴权、Live View、profile 持久化 |
用
agent-browser skills list看当前已装版本支持哪些 skill；用agent-browser skills get <name> --full拉完整内容（含 references 和 templates）。
CDP 心智模型
为什么是 CDP 而不是 Playwright/Puppeteer？
text
┌───────────────┐ CLI 命令（open/snapshot/click/…）
│ Rust CLI │ ──────────────────┐
└───────────────┘ │
▼
┌───────────────┐ JSON-RPC ┌────────────────┐
│ Rust daemon │ ◀──────────▶ │ Chrome (CDP) │
└───────────────┘ └────────────────┘
▲ │
│ 跨命令复用 │ accessibility tree / DOM / 网络
└──────────────────────────────────┘- daemon 持久：第一次命令起 daemon，后续命令复用，浏览器不关 = 同一会话
- CDP 直连：不经过 Node runtime，daemon 是纯 Rust，启动/响应都快
- accessibility-tree 优先：snapshot 输出页面无障碍树 +
@eNref，是给 LLM 的接口 - MCP 双通道：既能 CLI 调，也能
agent-browser mcp起 stdio MCP 服务——MCP 客户端把它当带类型字段的工具集（url/selector/text/key/allowedDomains/extraArgs）