Loading...
agent-browser
原文：🇺🇸 英文
已翻译
包含 3 个脚本
通过inference.sh为AI Agent实现浏览器自动化。可浏览网页、使用@e引用与页面元素交互、截取屏幕截图、录制视频。功能包括：网页爬取、表单填写、点击操作、文本输入、拖拽、文件上传、JavaScript执行。适用场景：网页自动化、数据提取、测试、Agent网页浏览、科研。触发关键词：浏览器、网页自动化、爬取、导航、点击、表单填写、截图、网页浏览、Playwright、无头浏览器、Web Agent、上网、视频录制
5.5k次下载
添加于
NPX安装
npx skill4agent add inf-sh/skills agent-browser标签
翻译版元数据已加入标签，便于Agent理解和查找SKILL.md 内容（中文）
查看翻译对照 →Agent智能浏览器
通过inference.sh为AI Agent实现浏览器自动化。底层基于Playwright，采用简单的引用系统实现元素交互。
@e
快速开始
bash
# 安装CLI
curl -fsSL https://cli.inference.sh | sh && infsh login
# 打开页面并获取可交互元素
infsh app run agent-browser --function open --input '{"url": "https://example.com"}' --session new核心工作流程
所有浏览器自动化都遵循以下流程：
- 打开 - 导航至URL，获取元素的引用
@e - 交互 - 使用引用执行点击、填写、拖拽等操作
- 重新快照 - 导航或页面变更后，获取最新的元素引用
- 关闭 - 结束会话（若开启录制则返回视频）
bash
# 1. 启动会话
RESULT=$(infsh app run agent-browser --function open --session new --input '{
"url": "https://example.com/login"
}')
SESSION_ID=$(echo $RESULT | jq -r '.session_id')
# 元素：@e1 [input] "Email", @e2 [input] "Password", @e3 [button] "Sign In"
# 2. 填写并提交
infsh app run agent-browser --function interact --session $SESSION_ID --input '{
"action": "fill", "ref": "@e1", "text": "user@example.com"
}'
infsh app run agent-browser --function interact --session $SESSION_ID --input '{
"action": "fill", "ref": "@e2", "text": "password123"
}'
infsh app run agent-browser --function interact --session $SESSION_ID --input '{
"action": "click", "ref": "@e3"
}'
# 3. 导航后重新快照
infsh app run agent-browser --function snapshot --session $SESSION_ID --input '{}'
# 4. 完成后关闭
infsh app run agent-browser --function close --session $SESSION_ID --input '{}'功能函数
| 函数 | 描述 |
|---|---|
| 导航至URL，配置浏览器（视口、代理、视频录制） |
| DOM变更后重新获取页面状态及 |
| 使用 |
| 截取页面截图（视口或整页） |
| 在页面中运行JavaScript代码 |
| 关闭会话，若开启录制则返回视频 |
交互操作
| 操作 | 描述 | 必填字段 |
|---|---|---|
| 点击元素 | |
| 双击元素 | |
| 清空并输入文本 | |
| 输入文本（不清空原有内容） | |
| 按下按键（回车、制表符等） | |
| 选择下拉选项 | |
| 悬浮在元素上 | |
| 勾选复选框 | |
| 取消勾选复选框 | |
| 拖拽元素 | |
| 上传文件 | |
| 滚动页面 | |
| 返回历史页面 | - |
| 等待指定毫秒数 | |
| 导航至指定URL | |
元素引用
元素会以引用的形式返回：
@e@e1 [a] "Home" href="/"
@e2 [input type="text"] placeholder="Search"
@e3 [button] "Submit"
@e4 [select] "Choose option"
@e5 [input type="checkbox"] name="agree"重要提示：导航后引用会失效。在以下操作后务必重新快照：
- 点击会触发导航的链接/按钮
- 表单提交
- 动态内容加载
功能特性
视频录制
录制浏览器会话用于调试或文档记录：
bash
# 启动会话并开启录制（可选择显示光标指示器）
SESSION=$(infsh app run agent-browser --function open --session new --input '{
"url": "https://example.com",
"record_video": true,
"show_cursor": true
}' | jq -r '.session_id')
# ... 执行操作 ...
# 关闭会话以获取视频文件
infsh app run agent-browser --function close --session $SESSION --input '{}'
# 返回结果：{"success": true, "video": <File>}光标指示器
在截图和视频中显示可见光标（适用于演示场景）：
bash
infsh app run agent-browser --function open --session new --input '{
"url": "https://example.com",
"show_cursor": true,
"record_video": true
}'光标会显示为一个红点，跟随鼠标移动并在点击时提供反馈。
代理支持
通过代理服务器路由流量：
bash
infsh app run agent-browser --function open --session new --input '{
"url": "https://example.com",
"proxy_url": "http://proxy.example.com:8080",
"proxy_username": "user",
"proxy_password": "pass"
}'文件上传
向文件输入框上传文件：
bash
infsh app run agent-browser --function interact --session $SESSION --input '{
"action": "upload",
"ref": "@e5",
"file_paths": ["/path/to/file.pdf"]
}'拖拽操作
将元素拖拽至目标位置：
bash
infsh app run agent-browser --function interact --session $SESSION --input '{
"action": "drag",
"ref": "@e1",
"target_ref": "@e2"
}'JavaScript执行
运行自定义JavaScript代码：
bash
infsh app run agent-browser --function execute --session $SESSION --input '{
"code": "document.querySelectorAll(\"h2\").length"
}'
# 返回结果：{"result": "5", "screenshot": <File>}深度文档
| 参考文档 | 描述 |
|---|---|
| references/commands.md | 包含所有选项的完整函数参考 |
| references/snapshot-refs.md | 引用生命周期、失效规则及故障排除 |
| references/session-management.md | 会话持久化、并行会话 |
| references/authentication.md | 登录流程、OAuth、双因素认证处理 |
| references/video-recording.md | 用于调试的录制工作流 |
| references/proxy-support.md | 代理配置、地域测试 |
即用型模板
| 模板 | 描述 |
|---|---|
| templates/form-automation.sh | 带验证的表单填写自动化 |
| templates/authenticated-session.sh | 一次登录，复用会话 |
| templates/capture-workflow.sh | 带截图的内容提取 |
示例
表单提交
bash
SESSION=$(infsh app run agent-browser --function open --session new --input '{
"url": "https://example.com/contact"
}' | jq -r '.session_id')
# 获取元素：@e1 [input] "Name", @e2 [input] "Email", @e3 [textarea], @e4 [button] "Send"
infsh app run agent-browser --function interact --session $SESSION --input '{"action": "fill", "ref": "@e1", "text": "John Doe"}'
infsh app run agent-browser --function interact --session $SESSION --input '{"action": "fill", "ref": "@e2", "text": "john@example.com"}'
infsh app run agent-browser --function interact --session $SESSION --input '{"action": "fill", "ref": "@e3", "text": "Hello!"}'
infsh app run agent-browser --function interact --session $SESSION --input '{"action": "click", "ref": "@e4"}'
infsh app run agent-browser --function snapshot --session $SESSION --input '{}'
infsh app run agent-browser --function close --session $SESSION --input '{}'搜索与提取
bash
SESSION=$(infsh app run agent-browser --function open --session new --input '{
"url": "https://google.com"
}' | jq -r '.session_id')
infsh app run agent-browser --function interact --session $SESSION --input '{"action": "fill", "ref": "@e1", "text": "weather today"}'
infsh app run agent-browser --function interact --session $SESSION --input '{"action": "press", "text": "Enter"}'
infsh app run agent-browser --function interact --session $SESSION --input '{"action": "wait", "wait_ms": 2000}'
infsh app run agent-browser --function snapshot --session $SESSION --input '{}'
infsh app run agent-browser --function close --session $SESSION --input '{}'截图与视频录制
bash
SESSION=$(infsh app run agent-browser --function open --session new --input '{
"url": "https://example.com",
"record_video": true
}' | jq -r '.session_id')
# 截取整页截图
infsh app run agent-browser --function screenshot --session $SESSION --input '{
"full_page": true
}'
# 关闭会话并获取视频
RESULT=$(infsh app run agent-browser --function close --session $SESSION --input '{}')
echo $RESULT | jq '.video'会话管理
浏览器状态在会话内保持持久化。请务必遵循以下步骤：
- 首次调用时使用启动会话
--session new - 后续调用使用返回的
session_id - 完成操作后关闭会话
相关技能
bash
# 网页搜索（用于科研+浏览）
npx skills add inference-sh/skills@web-search
# LLM模型（用于分析提取的内容）
npx skills add inference-sh/skills@llm-models官方文档
- inference.sh 会话管理 - 会话管理说明
- 多功能应用 - 函数工作原理