Agent Browser

Agent Browser 评测：给你的编程智能体一个真正的浏览器

智能体在网上是瞎的。它能抓取页面读文字，却看不到页面实际渲染成什么样，点不了只有 JavaScript 跑起来才出现的按钮，也检查不了结账流程到底能不能走通。任务一旦需要真正的浏览器，智能体就只能请人来看一眼。

Agent Browser 解决了这个问题。它是 Vercel Labs 为 AI 智能体打造的浏览器自动化 CLI，配有一个教智能体如何使用它的技能。仓库在 GitHub 上有近 4.8 万个 Star，技能在 skills.sh 上的安装量约 87.7 万次，整体采用 Apache-2.0 协议。你的智能体从此有了一个可以打开、点击、截图和录制的无头浏览器。

什么是 Agent Browser？

Agent Browser 是两件配合工作的东西。CLI 是基于 Playwright 的真正浏览器自动化工具：打开页面、跳转、用简单的引用系统与元素交互、截图、录制会话视频。技能是仓库里一个很薄的发现桩：它告诉智能体先装 CLI，再加载与已装二进制版本匹配的工作流指南，这样指令永远不会过时。

版本匹配的指南是巧妙之处。浏览器自动化变化很快，按上个月 CLI 写的技能会教错参数。运行时去取指南，技能教的就永远是当前版本的行为。

核心功能

1. 真正的页面交互，不只是抓取

智能体可以跳转页面、按引用点击元素、填写表单、滚动页面。它能到达那些只有 JavaScript 跑起来才存在的网页应用部分，而普通 HTTP 抓取永远看不到这些。

2. 用截图做视觉验证

智能体可以给页面截图并查看结果。这就闭环了前端工作：搭建页面、截图、看到错乱的布局、修复、再截图，全程不需要人在中间。

3. 会话录制

把浏览器会话录成视频，或生成一次运行的联系表。仓库自带了一张联系表示例，一眼就能看到整个流程，调试和证明流程可用时都很有用。

4. 运行时加载的版本匹配指南

仓库里的 SKILL.md 只是一个桩。智能体会运行命令，取回与已装 CLI 版本完全对应的完整工作流指南。CLI 再怎么演进，指令都与二进制版本一致。

5. 跨智能体通用

技能使用开放的 Agent Skills 格式，通过 skills CLI 可以装进 Claude Code、Cursor、Codex、GitHub Copilot、Gemini CLI 等等。CLI 本身也可以通过 npm 和 shell 安装脚本直接安装。

使用方法

用 skills CLI 安装技能。下面这条命令从 Vercel Labs 仓库拉取 agent-browser 技能：

npx skills add https://github.com/vercel-labs/agent-browser --skill agent-browser

技能触发后，智能体会先装 CLI，再加载匹配的指南，开始操作浏览器。你也可以直接装 CLI 自己用：npm 包和 shell 安装脚本在仓库里都有文档。之后让智能体打开页面、测试流程或给设计截图，它就会像用户一样在浏览器里操作。

适合谁用？

想让智能体自己验证工作成果的前端开发者是核心用户。它也适合 QA 工作：智能体走一遍结账或注册流程，汇报哪里坏了；还适合研究任务：智能体必须与页面交互，而不是读静态副本。如果你的智能体永远只读代码，那就不需要它。

价格

Agent Browser 免费开源，采用 Apache-2.0 协议。CLI、技能和指南都不花钱。浏览器自动化在你本地机器上运行，没有托管服务要付费。

优点与缺点

优点：真正的浏览器补上了前端和 QA 工作的验证缺口；版本匹配指南的设计让指令始终最新；近 4.8 万 Star、接近 100 万次安装；Apache-2.0 宽松协议。

缺点：浏览器自动化是强大的能力，独立安全评测提示过安装前需要检查的项目，所以请先看技能和 CLI；技能只是个桩，真正的指南在运行时获取，需要联网；无头浏览器在重页面上可能又慢又不稳定；它需要本地安装，不只是放一个技能文件。

最终评价

Agent Browser 是编程智能体缺失的感官：视觉。智能体一旦能打开页面、点一点、看一眼截图，整类验证工作就不再需要人了。对前端和 QA 工作来说，它接近必需品。去 GitHub 试试：vercel-labs/agent-browser。