Vercel 发布 “Agent Browser” 专为AI 代理开发的浏览器自动化工具

今天刷到一个东西，差点以为我眼花了：Vercel 这帮人居然搞了个 agent-browser，直白点说——给 AI 代理用的“浏览器自动化 CLI”。就是那种你让 Claude Code / Codex / Cursor 去跑命令，然后它真的能在网页里点按钮、填表单、截图、导出 PDF……不是只会“阅读理解网页内容”那种。

我先说结论：如果你之前折腾过 Playwright MCP、或者任何“把网页喂给模型”的方案，你大概率会懂它想解决的痛点：上下文太肥了，模型看得头大，你的钱包也看得头大……

它到底是什么鬼

agent-browser 本质就是一个命令行工具（CLI），你装完之后：

npm install -g agent-browser
agent-browser install   # 下载 Chromium

然后就能：

agent-browser open example.com
agent-browser snapshot -i
agent-browser click @e2
agent-browser screenshot page.png
agent-browser close

重点是这个 snapshot：它会把页面变成 accessibility tree（可访问性树）+ 一堆 ref（@e1、@e2 这种），AI 只要盯着 ref 点就行，不需要在 DOM 里疯狂猜 selector。

你甚至还能用 -i 只吐“可交互元素”，再配合 --json 直接输出结构化数据，让模型更好解析。

“零配置”这事，确实挺爽的

我以前最怕的就是：你告诉我“用 Playwright”，然后我开始装一堆依赖、版本对不上、Linux 缺库、Chromium 跑不起来……

agent-browser 这套至少官方写法就很简单：npm 全局装，然后 agent-browser install 负责把浏览器搞下来；Linux 还给了 --with-deps 这种“一键装系统依赖”的路子。

有可视化调试，也能静默跑

它默认 headless 跑（安安静静后台执行），但你要看它到底在网页里瞎点了啥，可以直接：

agent-browser open example.com --headed

这个“能看见”真的救命……不然 AI 点错一次，你都不知道它错在哪。

对了，文档里还有个 streaming（WebSocket 推流），更像“人类在旁边看直播+随时接管”的那种感觉，不过这个偏进阶玩法了。

93% 减少上下文：我先信一半（但方向很对）

网上和推上有人说它 “比 Playwright MCP 最多能少 93% 上下文”。我觉得这个数字你别当严谨 benchmark 看，更像是作者宣传/经验值，但它背后的逻辑我能理解：ref + snapshot（尤其只取 interactive）确实比“把整棵树/整页信息塞给模型”要紧凑太多。

（嗯我也想看官方出个对比报告，但现在没有就先这样吧……）

Rust CLI + Node daemon：有点像“快刀切命令，Node 去干活”

它架构其实挺有意思：Rust 写 CLI，负责解析命令、跟后台 daemon 通信；真正的浏览器生命周期管理交给 Node.js daemon（底层用 Playwright）。还有 Node fallback，保证哪怕没 native binary 也能跑。

这就解释了它为什么主打“快”：命令解析、启动体验会比纯 Node 工具更利索（尤其是频繁跑命令的时候）。

兼容性：它不挑模型，挑的是“你能不能跑 bash”

官方直接列了：Claude Code、Cursor、GitHub Copilot、OpenAI Codex、Gemini、opencode……以及“任何能跑 shell 命令的 agent”。

这点我挺喜欢的：很多工具一上来就绑死某个平台，它这个更像“通用零件”。

它给了 Claude Code 的 skill 模板

这个是真的“懒人福音”。

它在 repo 里直接放了 skills/agent-browser，你要给 Claude Code 接上网页操作能力，就：

cp -r node_modules/agent-browser/skills/agent-browser .claude/skills/

或者 curl 把 SKILL.md 拉下来。

你想想：很多人折腾 agent，最大成本不是写代码，是“教 agent 怎么用工具”。它这一手等于把说明书直接塞进 Claude 的技能系统里了。

我现在的感觉就是：这玩意不是在“发明浏览器自动化”，而是在把浏览器自动化重新包装成更适合 AI 读/用的形态（refs、json、snapshot 过滤），顺便把安装体验做得更“产品化”。

-END-

我为大家打造了一份RPA教程，完全免费：songshuhezi.com/rpa.html