HKAIWeb 原創封面:Vercel 三角標誌旁的機械臂以放大鏡檢查地圖,前景有一個空的黃銅窗框vercel-labs/agent-browser 以原生 Rust CLI 與 daemon 為 AI agent 提供瀏覽器自動化。

vercel-labs/agent-browser 是 Vercel Labs 的瀏覽器自動化工具,定位為「供 AI agent 使用」:以原生 Rust 編寫的 CLI,配合長期運行的 daemon,讓 coding agent 可透過穩定指令或 MCP 介面操作真實瀏覽器。專案在 10 月 29 日錄得 44,814 stars 與 3,068 forks,並登上 GitHub 每日 Rust Trending;官方 release 列表顯示 v0.41.0 於 10 月 29 日發布(此前有 10 月 27 日 v0.40.0、10 月 26 日 v0.39.4),提交 1453dd37 為同日發布作準備。

安裝與基本操作

官方建議使用 npm 全域安裝,再由 CLI 自行下載 Chrome for Testing:

npm install -g agent-browser
agent-browser install
agent-browser install --with-deps   # Linux 系統依賴

亦支援 Homebrew、Cargo(cargo install agent-browser)或從源碼建置(需要 Node.js 24+、pnpm 11+ 與 Rust)。日常操作以 accessibility tree 為核心:先透過 snapshot 取得帶有 ref 的可存取性樹,再按 ref 操作。

agent-browser open example.com
agent-browser snapshot
agent-browser click @e2
agent-browser fill @e3 "[email protected]"
agent-browser get text @e1
agent-browser screenshot page.png
agent-browser close

有幾項細節值得留意:頁面沒有重大變化時,ref 可跨 snapshot 保留,但導航後須重新 snapshot;若點擊位置被 consent banner 或 modal 遮擋,操作會直接失敗並指出遮擋元素,不會假裝成功;隱藏、停用或位於 viewport 以外的元素同樣無法操作,避免 agent 誤以為已成功點擊。Headless Chromium 截圖預設隱藏原生捲軸,可使用 --hide-scrollbars false 保留。

MCP:一次啟動或逐項呼叫

agent-browser mcp 會啟動一個透過 stdio 運行的 Model Context Protocol server,MCP client 將其作為 subprocess 啟動,並以 newline-delimited JSON-RPC 溝通。預設 tool profile 為 core,刻意保持 context 精簡;有需要時才使用 --tools all 或 --tools core,network,react 擴充。

此外,agent-browser mcp call [tool] {...} 提供 one-shot 模式:無須維持 stdio session,直接執行一次工具呼叫並輸出 JSON 結果,特別適合 serverless agent 等無法長期維持 session 的執行環境(成功 exit 0、工具報錯 exit 1、未知工具或參數錯誤 exit 2)。

安全控制:全部採 opt-in

  • Authentication Vault:憑據在本機加密儲存,只透過名稱引用,LLM 永遠看不到密碼;加密金鑰預設存放於 ~/.agent-browser/.encryption-key,亦可透過 AGENT_BROWSER_ENCRYPTION_KEY 注入。
  • Domain Allowlist:透過 --allowed-domains 或 AGENT_BROWSER_ALLOWED_DOMAINS 限制可瀏覽的網域,支援 *.example.com 這類 wildcard。
  • Content Boundary Markers:--content-boundaries 以分隔標記包住頁面輸出,讓 LLM 區分工具輸出與頁面內的不可信內容。
  • Plugin System:外掛以 out-of-process 方式執行,並聲明 credential.read、browser.provider、launch.mutate、command.run 等能力。
  • 閒置逾時:daemon 閒置時會自動關閉,但不會自動關閉用戶可能正在使用的有頭瀏覽器。

Skills:與安裝版本保持一致

agent-browser skills 會提供與目前安裝 CLI 版本一致的內置 skill 內容,agent 可即時讀取最新指令,無須依賴快取副本;亦可透過 AGENT_BROWSER_SKILLS_DIR 覆寫 skill 目錄。

授權與使用提醒

專案採用 Apache License 2.0 授權。上述安全功能全部採 opt-in,預設行為不會改變既有流程;另外,官方沒有提供獨立安全審核報告,在自己的環境部署前,仍應自行審視網域白名單、憑據儲存與外掛權限範圍。

適合哪些讀者

如果你的團隊正使用 coding agent 執行網頁自動化,agent-browser 提供原生 Rust 效能、以 ref 為導向的穩定定位方式,以及 MCP 與 one-shot 兩種接入方式,適合用於需要長期運行瀏覽器工作流程的 agent 專案。

資料來源

作者: hkaiweb

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *

Social Media Auto Publish Powered By : XYZScripts.com