Agent Browser

Обзор agent-browser: CLI-инструмент для автоматизации браузера ИИ-агентами

Agent-browser — это специализированный инструмент командной строки (CLI), написанный на языке Rust, предназначенный для интеграции браузерной автоматизации в рабочий процесс ИИ-агентов и ассистентов. Его ключевая философия — максимальная эффективность использования контекста (токенов) за счет компактного текстового вывода вместо громоздких JSON-структур.

Основные возможности и принцип работы

Инструмент работает по клиент-даемонной архитектуре. Нативный Rust-демон управляет браузером Chrome через протокол отладки (CDP), обеспечивая высокую скорость и стабильность. CLI-клиент отправляет команды демону, что позволяет мгновенно выполнять сложные сценарии.

• Agent-first подход: Команда snapshot возвращает не DOM-дерево, а компактное дерево доступности (accessibility tree) с уникальными ссылками (ref) на элементы, например @e1, @e2. Это сокращает объем текста в 10-15 раз по сравнению с полным HTML, что критично для моделей с ограниченным контекстом.
• Детерминированный выбор элементов: Использование ссылок (refs) вместо XPath или CSS-селекторов гарантирует, что команда click @e2 всегда воздействует на тот же самый элемент, что видел агент в снимке (snapshot), избегая ошибок из-за динамического изменения страницы.
• Полноценный набор команд: Более 50 команд покрывают все аспекты: навигация (open, back), работа с формами (type, select), получение данных (screenshot, snapshot), управление сетью и хранилищем, сессиями.
• Мультисессионность: Поддержка изолированных сессий позволяет управлять несколькими браузерными контекстами с разной аутентификацией одновременно.
• Кроссплатформенность и интеграция: Нативные бинарные файлы для macOS, Linux, Windows. Готов к работе с Claude Code, Cursor, GitHub Copilot и любыми другими агентами, способными выполнять shell-команды.

Установка и начало работы

Установка максимально упрощена для разработчиков:

• Глобально через npm: npm install -g agent-browser
• Через Homebrew на macOS: brew install agent-browser
• Первичная загрузка Chrome выполняется командой agent-browser install. Также возможен запуск через npx без установки.

После установки базовый цикл выглядит так: агент получает снимок страницы, анализирует доступные элементы по их ref, выполняет целевое действие (клик, ввод текста) и получает обновленное состояние.

Оценка для российского пользователя

С точки зрения использования из России, инструмент имеет свои особенности.

Доступность и блокировки

Сам инструмент и его пакеты (npm, brew) находятся в свободном доступе. Однако его работа напрямую зависит от браузера Google Chrome. Загрузка Chrome и доступ к некоторым веб-сервисам Google в России могут быть затруднены или заблокированы. Для корректной установки Chrome и работы с сайтами, заблокированными в РФ, вероятно, потребуется VPN.

Языковая поддержка

Интерфейс инструмента — исключительно английский (команды, документация, вывод ошибок). Сам инструмент не предоставляет локализации. Однако его вывод (текстовое описание страницы) может быть на любом языке целевого сайта, включая русский. Обработка этого вывода уже ложится на ИИ-агента, который может работать с русским текстом.

Оплата

Agent-browser — это бесплатный и открытый инструмент. Проблем с оплатой не возникает.

Кому подойдет этот инструмент?

Agent-browser — это узкоспециализированный инструмент для разработчиков и инженеров, создающих сложных ИИ-агентов, которым необходимо программно взаимодействовать с веб-интерфейсами. Он идеален для сценариев автоматического тестирования, сбора данных, выполнения рутинных веб-задач под управлением LLM. Для обычных пользователей, ищущих готовое решение для автоматизации, он будет излишне сложным, так как требует навыков работы с терминалом и написания скриптов.