Agentic Browser

通过inference.sh为AI Agent实现浏览器自动化。

快速开始

bash

curl -fsSL https://cli.inference.sh | sh && infsh login

# Open a page and get interactive elements
infsh app run agentic-browser --function open --input '{"url": "https://example.com"}' --session new

核心工作流

所有浏览器自动化都遵循以下模式：

打开：导航至URL，获取元素引用
快照：DOM变化后重新获取元素
交互：使用
```
@e
```
引用进行点击、填写等操作
重新快照：导航完成后获取新的引用

bash

# Start session
RESULT=$(infsh app run agentic-browser --function open --session new --input '{
  "url": "https://example.com/login"
}')
SESSION_ID=$(echo $RESULT | jq -r '.session_id')

# Elements returned like: @e1 [input] "Email", @e2 [input] "Password", @e3 [button] "Sign In"

# Fill form
infsh app run agentic-browser --function interact --session $SESSION_ID --input '{
  "action": "fill", "ref": "@e1", "text": "user@example.com"
}'

infsh app run agentic-browser --function interact --session $SESSION_ID --input '{
  "action": "fill", "ref": "@e2", "text": "password123"
}'

# Click submit
infsh app run agentic-browser --function interact --session $SESSION_ID --input '{
  "action": "click", "ref": "@e3"
}'

# Close when done
infsh app run agentic-browser --function close --session $SESSION_ID --input '{}'

功能函数

open

导航至URL并配置浏览器。返回包含

@e

引用的页面快照。

bash

infsh app run agentic-browser --function open --session new --input '{
  "url": "https://example.com",
  "width": 1280,
  "height": 720,
  "user_agent": "Mozilla/5.0..."
}'

返回内容：

```
url
```
: 当前页面URL
```
title
```
: 页面标题
```
elements
```
: 包含
```
@e
```
引用的可交互元素列表
```
screenshot
```
: 页面截图（供视觉Agent使用）

snapshot

DOM变化后重新获取页面状态。点击触发导航的元素后务必调用此函数。

bash

infsh app run agentic-browser --function snapshot --session $SESSION_ID --input '{}'

interact

使用快照中的

@e

引用与元素交互。

操作	描述	必填字段
`click`	点击元素	`ref`
`fill`	清空并输入文本	`ref` , `text`
`type`	输入文本（不清空原有内容）	`text`
`press`	按下按键	`text` （例如："Enter"）
`select`	选择下拉选项	`ref` , `text`
`hover`	悬停在元素上	`ref`
`scroll`	滚动页面	`direction` （up/down）
`back`	返回历史页面	-
`wait`	等待指定毫秒数	`wait_ms`

bash

# Click
infsh app run agentic-browser --function interact --session $SESSION_ID --input '{
  "action": "click", "ref": "@e5"
}'

# Fill input
infsh app run agentic-browser --function interact --session $SESSION_ID --input '{
  "action": "fill", "ref": "@e1", "text": "hello@example.com"
}'

# Press Enter
infsh app run agentic-browser --function interact --session $SESSION_ID --input '{
  "action": "press", "text": "Enter"
}'

# Scroll down
infsh app run agentic-browser --function interact --session $SESSION_ID --input '{
  "action": "scroll", "direction": "down"
}'

screenshot

截取页面截图。

bash

infsh app run agentic-browser --function screenshot --session $SESSION_ID --input '{
  "full_page": true
}'

execute

在页面上运行JavaScript代码。

bash

infsh app run agentic-browser --function execute --session $SESSION_ID --input '{
  "code": "document.title"
}'

close

关闭浏览器会话。

bash

infsh app run agentic-browser --function close --session $SESSION_ID --input '{}'

元素引用

元素会以

@e

引用的形式返回，例如：

@e1 [a] "Home" href="/"
@e2 [input type="text"] placeholder="Search"
@e3 [button] "Submit"
@e4 [select] "Choose option"

重要提示：导航后引用会失效。在以下操作后务必重新获取快照：

点击会触发导航的链接/按钮
表单提交
动态内容加载

示例

表单提交

bash

SESSION=$(infsh app run agentic-browser --function open --session new --input '{
  "url": "https://example.com/contact"
}' | jq -r '.session_id')

# Get elements: @e1 [input] "Name", @e2 [input] "Email", @e3 [textarea] "Message", @e4 [button] "Send"

infsh app run agentic-browser --function interact --session $SESSION --input '{"action": "fill", "ref": "@e1", "text": "John Doe"}'
infsh app run agentic-browser --function interact --session $SESSION --input '{"action": "fill", "ref": "@e2", "text": "john@example.com"}'
infsh app run agentic-browser --function interact --session $SESSION --input '{"action": "fill", "ref": "@e3", "text": "Hello!"}'
infsh app run agentic-browser --function interact --session $SESSION --input '{"action": "click", "ref": "@e4"}'

# Check result
infsh app run agentic-browser --function snapshot --session $SESSION --input '{}'

infsh app run agentic-browser --function close --session $SESSION --input '{}'

搜索与提取

bash

SESSION=$(infsh app run agentic-browser --function open --session new --input '{
  "url": "https://google.com"
}' | jq -r '.session_id')

# Fill search box and submit
infsh app run agentic-browser --function interact --session $SESSION --input '{"action": "fill", "ref": "@e1", "text": "weather today"}'
infsh app run agentic-browser --function interact --session $SESSION --input '{"action": "press", "text": "Enter"}'
infsh app run agentic-browser --function interact --session $SESSION --input '{"action": "wait", "wait_ms": 2000}'

# Get results page
infsh app run agentic-browser --function snapshot --session $SESSION --input '{}'

infsh app run agentic-browser --function close --session $SESSION --input '{}'

使用JavaScript提取数据

bash

infsh app run agentic-browser --function execute --session $SESSION --input '{
  "code": "Array.from(document.querySelectorAll(\"h2\")).map(h => h.textContent)"
}'

会话

浏览器状态会在会话中持久化。请始终遵循以下步骤：

首次调用时使用
```
--session new
```
启动会话
后续调用使用返回的
```
session_id
```
使用完成后关闭会话

文档

inference.sh Sessions - 会话管理
Multi-function Apps - 函数工作机制

agentic-browser

NPX安装

标签

SKILL.md 内容（中文）

Agentic Browser

快速开始

核心工作流

功能函数

open

snapshot

interact

screenshot

execute

close

元素引用

示例

表单提交

搜索与提取

使用JavaScript提取数据

会话

相关技能

文档