agentbrowse: Když potřebujete, aby AI ovládala prohlížeč

Přiznejme si to: AI coding agenty jsou skvělé v práci s příkazovou řádkou a kódem. Ale když je pošlete klikat někam do webového rozhraní, začíná zábava.

Přesně tady přichází agentbrowse. CLI nástroj, který zabalí Playwright do jednoduchého rozhraní srozumitelného pro AI asistenty jako Claude Code, Codex, Cursor a podobné.

Proč jsou webové stránky pro AI problém

Klasická automatizace prohlížeče počítá s tím, že sedí před ním člověk. Člověk zvládne CAPTCHu, odhadne rozložení stránky podle očí a trefí se přesně na pixel. AI agent? To je něco jiného. Dokáže precizně vykonávat příkazy, ale vizuální rozhraní ho mate.

agentbrowse to otočí. Agent místo zápasení s prohlížečem dostane čisté API: otevři URL, přečti stránku jako markdown, klikni podle textu nebo čísla, vyplň formulář — a všechno přes terminalové příkazy vracející strukturovaná data.

Jak na to

Instalace je přímočará:

npm install -g agentbrowse
npx playwright install chromium

Hotovo. První spuštění automaticky stáhne Chromium a můžete začít.

Základní práce vypadá takhle:

• agentbrowse open <url> — otevře stránku
• agentbrowse read — vrátí aktuální stránku jako čistý markdown
• agentbrowse links — ukáže očíslované odkazy
• agentbrowse click "Sign up" — klikne podle textu nebo čísla odkazu
• agentbrowse read --json — strukturovaný výstup pro programové zpracování

Persistence: Kde je ta kouzlo

Tohle je pointa. agentbrowse používá persistentní session model. Na pozadí běží browser daemon, který drží stav stránky mezi příkazy. Otevřete web, přihlásíte se, proklikáte se na konkrétní stránku — a pak předáte štafetu agentovi. Bez nutnosti znovu stavět celou relaci.

Sessny jsou izolované podle ID, každá má vlastní cookies a auth stav. Příkaz login dokonce otevře normální okno prohlížeče, kde vyřešíte MFA a CAPTCHA, a pak uloží tu autentifikovanou session pro headless použití.

Automatické rozpoznání agenty

Tady přichází ta chytrá část. Můžete nainstalovat agentbrowse jako "skill", který váš coding agent automaticky pozná:

npx agentbrowse skill --global

Příkaz zapíše konfigurační soubor pro whatever agenta používáte — SKILL.md pro Claude Code, .cursor/rules pro Cursor, AGENTS.md pro Codex. Vaše AI ví, že když narazí na webovou interakci, má sáhnout po browser automatizaci.

Žádné složité prompty vysvětlující, jak prohlížeč používat. Schopnost prostě existuje.

Strukturovaný výstup pro stroje

Každý příkaz umí --json pro strojově čitelný výstup. Chyby mají konzistentní formát se specifickými exit kódy (2 pro chyby usage, 3 pro navigační problémy, 4 pro nenalezený cíl, 5 pro daemon issues). agentbrowse je tak skriptovatelný a spolehlivý pro CI/CD pipeline a automatizované workflow.

Site manifests: Superpowers pro konkrétní weby

Pro složité nebo často používané weby můžete definovat manifest soubor s pojmenovanými high-level příkazy:

agentbrowse --site ./github.agent.json create-issue "Bug in login flow"

Manifesty deklarují stránky, selektory a sekvence příkazů s proměnnou interpolací — v podstatě vytváříte vlastní "skills" pro konkrétní weby.

Co to všechno znamená

agentbrowse ukazuje posun v myšlení o schopnostech AI agentů. Místo doufání, že AI vision modely zvládnou napodobit lidskou interakci s prohlížečem, dáváme agentům nástroje dělané pro jejich silné stránky: strukturované příkazy, parsable výstup, persistentní stav.

Pro vývojáře stavějící agent-powered workflow je to praktický nástroj填补ající reálnou mezeru. Pro ty, kdo experimentují s AI-asistovaným vývojem, je to pohled na to, jak by mohla interakce agent-nástroj vypadat — pryč od vizuálních rozhraní dělaných pro lidi, směrem k programovým rozhraním dělaným pro stroje.

Ať už automatizujete web testing, stavíte AI workflow, nebo jen curiosity about future of agent-tool interaction, agentbrowse stojí za prozkoumání. Je MIT-licencovaný, aktivně udržovaný, a běží celý lokálně — žádné cloud závislosti ani externí služby.

Terminal je zpátky. A teď ho může používat i vaše AI.