装好 agent-browser，让 AI 帮你操作浏览器

📝

读完上一篇，你知道 agent-browser 是什么了。这篇带你装好它，跑通第一个操作。跟着做，十分钟搞定。

原文链接：https://mp.weixin.qq.com/s/8Gu_BZoHA7mz3xqpHpvbeA

读完上一篇，你知道 agent-browser 是什么了。这篇带你装好它，跑通第一个操作。跟着做，十分钟搞定。

读完上一篇，你知道 agent-browser 是什么了。这篇带你装好它，跑通第一个操作。

跟着做，十分钟搞定。

你需要准备的：

一台 Mac 或 Linux 电脑（Windows 用 WSL）
Node.js 18 以上（终端输入 node -v 检查）
一个 AI 编程助手：Claude Code、Cursor、Codex 都行

准备阶段

第一步：安装 agent-browser

打开终端，输入：

1	`npm install -g agent-browser`

装完后，下载 Chrome 浏览器引擎：

1	`agent-browser install`

Linux 用户多跑一步，装系统依赖：

1	`agent-browser install --with-deps`

做对了的标志：输入 agent-browser --help，能看到一长串命令列表。

第二步：给你的 AI 助手装上 skill

在你的项目目录下运行：

1	`npx skills add vercel-labs/agent-browser`

这会在项目里添加一个 skill 文件，告诉 AI 助手怎么使用 agent-browser。

做对了的标志：项目目录下多了 .claude/skills/agent-browser/ 文件夹（Claude Code 的情况）。

第三步：检查安装是否正常

1	`agent-browser doctor`

它会自动检查 Chrome 安装、守护进程状态、配置文件。全绿就没问题。

有报错的话：

1	`agent-browser doctor --fix`

自动修复。

核心阶段

第四步：跑通第一个操作

打开一个网页：

1	`agent-browser open https://example.com`

拿到页面上所有可交互元素：

1	`agent-browser snapshot -i`

你会看到类似这样的输出：

1 2	`- heading "Example Domain" [ref=e1] [level=1] - link "More information..." [ref=e2]`

点击那个链接：

1	`agent-browser click @e2`

截个图看看结果：

1	`agent-browser screenshot result.png`

关掉浏览器：

1	`agent-browser close`

做对了的标志：result.png 里是点击后的页面。

第五步：让 AI 来操作

打开你的 AI 助手，直接说：

1	`用 agent-browser 打开 https://news.ycombinator.com，截个图给我看看首页`

AI 会自己调用 agent-browser 的命令完成操作。

你也可以说更复杂的：

1	`用 agent-browser 打开 GitHub trending 页面，把今天排名前五的项目名称和星数抓下来`

进阶阶段

第六步：保存登录状态

每次都要重新登录很烦。用 --session-name 自动保存：

1	`agent-browser --session-name github open https://github.com`

第一次手动登录后，下次再用同一个 session name，登录状态还在。

或者直接复用你本地 Chrome 的登录：

1	`agent-browser --profile Default open https://github.com`

第七步：试试 Lightpanda 引擎

如果你的场景是批量抓内容，不需要截图，可以切到 Lightpanda：

1 2	`agent-browser --engine lightpanda open https://example.com agent-browser snapshot -i`

速度会快很多，内存占用也小得多。

Lightpanda 还是 Beta。复杂网站可能报错。报错了换回 Chrome 就行。

完整流程一览

第一次做的建议

先拿 example.com 练手。它简单，不会被反爬拦截
第四步最容易卡。如果 snapshot 没输出，跑一下 agent-browser doctor --fix
第五步最容易被跳过，但它才是重点。装 agent-browser 不是为了你自己敲命令，是为了让 AI 替你敲

容易踩的坑

坑一：snapshot 返回空白

网页还没加载完就 snapshot 了。在 open 和 snapshot 之间加一句：

1	`agent-browser wait --load networkidle`

坑二：登录状态丢失

没用 --session-name 或 --profile。默认每次都是全新环境。像每次都开无痕模式。

坑三：网站拦截无头浏览器

有些网站检测到无头模式会拦截。加 --headed 打开可见窗口：

1	`agent-browser open https://example.com --headed`

坑四：Linux 上 Chrome 启动失败

缺系统依赖。跑一下 agent-browser install --with-deps 就好。

装好了。

从现在开始，你可以跟 AI 说「帮我打开这个网站，点那个按钮，填这个表单」。

它真的会去做。

参考资料：

agent-browser GitHub 仓库[1]
agent-browser 安装文档[2]
Lightpanda Browser[3]

Reference

[1]
agent-browser GitHub 仓库: https://github.com/vercel-labs/agent-browser
[2]
agent-browser 安装文档: https://github.com/vercel-labs/agent-browser[#installation]()
[3]
Lightpanda Browser: https://github.com/lightpanda-io/browser

下方是赋能君的AI学习交流永久免费星球，想学习更多内容，欢迎扫码加入。

🙌 如果你阅读到这里，说明我们对信息的认可区域是有一定交集的，可以说我们是同道中人，所以如果你有自认为不错的信息获取渠道，欢迎留言或者私聊我，谢谢。

都看到这里了，就给个关注吧👀：

喜欢我的文章，可以请你右下角顺手来一波点赞&在看&分享三连么👉

💬 本文评论区已开启，但暂无读者留言。

本文转载自微信公众号，如有侵权请联系删除。