agentbrowse: Når din AI-assistent får adgang til nettet

Lad os være ærlige: AI-kodningsassistenter er fantastiske, når de arbejder med kommandolinjer og kodefiler. Men bed dem om at navigere rundt i en webinterface, og det hele bliver hurtigt rodet.

Det er her, agentbrowse kommer ind i billedet. Det er et CLI-værktøj, der pakker Playwright ind i en simpel, agent-venlig grænseflade — en grænseflade, der taler samme sprog som AI-kodningsassistenter som Claude Code, Codex, Cursor og andre.

Udfordringen med websider og AI-agenter

Traditionel browserautomatisering forudsætter, at et menneske styrer showet. Vi kan håndtere CAPTCHAs, parse visuelle layouts intuitivt og klikke præcist, hvor vi vil. AI-agenter? Ikke så meget. De er gode til præcise kommandoer, men kæmper med tvetydigheden i visuelle grænseflader.

agentbrowse vender denne relation på hovedet. I stedet for at en agent kæmper med en browser, får den en ren API: åbn en URL, læs siden som markdown, klik via tekst eller nummer, udfyld formularer og mere — alt sammen gennem terminalkommandoer, der returnerer struktureret data.

Kom i gang på minutter

Installation er ligetil:

npm install -g agentbrowse
npx playwright install chromium

Det var alt. Første kørsel downloader automatisk Chromium-browseren, og så er du klar til at gå.

Den grundlæggende arbejdsgang er dejligt simpel:

• agentbrowse open <url> — naviger til en side
• agentbrowse read — få den aktuelle side som ren, token-begrænset markdown
• agentbrowse links — se nummererede, klikbare links
• agentbrowse click "Sign up" — klik via synlig tekst eller link-nummer
• agentbrowse read --json — struktureret output til programmeret parsing

Persistence: Hemmeligheden bag værktøjet

Det, der gør agentbrowse virkelig brugbart, er den vedvarende session-model. En bagvedliggende browser-dæmon kører kontinuerligt og holder din sidetilstand i live mellem kommandoer. Det betyder, at du kan åbne et site, autentificere, browse til en specifik side og derefter overlade til din agent — alt uden at genopbygge tilstanden hver gang.

Sessioner er isolerede via ID med deres egne cookies og autentificeringstilstand. login-kommandoen åbner endda et rigtigt browservindue, så du kan håndtere MFA og CAPTCHAs, og gemmer derefter den autentificerede session til headless genbrug.

Få din agent til automatisk at bruge det

Her bliver det smart. Du kan installere agentbrowse som en "skill", som din kodningsagent genkender automatisk:

npx agentbrowse skill --global

Dette skriver den relevante konfigurationsfil til den agent, du bruger — SKILL.md til Claude Code, .cursor/rules til Cursor, AGENTS.md til Codex — så din AI-assistent ved, at den skal bruge browserautomatisering, når webinteraktioner dukker op.

Ingen mere komplicerede prompts, der forklarer, hvordan man bruger en browser. Evnen er bare... der.

Struktureret output til maskiner

Alle kommandoer accepterer --json for maskinlæsbart output, og fejl følger et konsistent format med specifikke exit-koder (2 for brugsfejl, 3 for navigationsfejl, 4 for target-not-found, 5 for dæmonproblemer). Det gør agentbrowse skriptbar og pålidelig til CI/CD-pipelines og automatiserede arbejdsgange.

Site Manifests: Domæne-specifikke superkræfter

For komplekse eller ofte brugte sites kan du definere en site manifest-fil, der eksponerer navngivne, høj-niveau kommandoer:

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

Manifester erklærer sider, selectors og kommandosekvenser med variabel-interpolation — essentially creating custom "skills" for specifikke websites.

Det store billede

agentbrowse repræsenterer et skift i, hvordan vi tænker om AI-agenters evner. I stedet for at håbe, at AI-synsmodeller kan approximere menneske-browser-interaktion, giver vi agenter værktøjer designet til deres styrker: strukturerede kommandoer, parsebare output og vedvarende tilstand.

For udviklere, der bygger agent-drevne arbejdsgange, er dette et praktisk værktøj, der udfylder et reelt hul. For dem, der udforsker AI-assisteret udvikling, er det et glimt af, hvordan agent-værktøjsinteraktioner kan udvikle sig — væk fra visuelle grænseflader designet til mennesker, mod programmerbare grænseflader designet til maskiner.

Uanset om du automatiserer webtesting, bygger AI-arbejdsgange eller bare er nysgerrig om fremtiden for agent-værktøjsinteraktion, er agentbrowse værd at udforske. Det er MIT-licenseret, aktivt vedligeholdt og kører fuldt lokalt — ingen cloud-afhængigheder eller eksterne services påkrævet.

Terminalen er tilbage, og nu kan selv din AI bruge den.