Så får du AI-agenter att faktiskt surfa på webben

Låt oss vara ärliga: AI-kodningsagenter är fantastiska när de jobbar med terminalen och kodfiler. Men be dem klicka runt på en webbsida? Då blir det fort rörigt.

Det är problemet agentbrowse löser.

Varför webbgränssnitt är en mardröm för agenter

Traditionell webbautomatisering utgår från att en människa sitter och styr. Vi kan hantera CAPTCHAs, tolka visuella layouter intuitivt och klicka exakt där vi vill på en pixel-perfekt knapp.

AI-agenter? Inte lika lätt. De excellerar vid exakta kommandon men kör fast i visuella gränssnitts tvetydigheter.

agentbrowse vänder på steken. Istället för att en agent kämpar med en webbläsare får den en ren API: öppna en URL, läs sidan som markdown, klicka på text eller nummer, fyll i formulär — allt genom terminalkommandon som returnerar strukturerad data.

Kom igång på några minuter

Installationen är busenkel:

npm install -g agentbrowse
npx playwright install chromium

Klart. Första körningen laddar ner Chromium automatiskt.

De viktigaste kommandona:

• agentbrowse open <url> — navigera till en sida
• agentbrowse read — hämta sidan som ren, token-begränsad markdown
• agentbrowse links — se numrerade, klickbara länkar
• agentbrowse click "Registrera" — klicka på synlig text eller länknummer
• agentbrowse read --json — strukturerad output för programmatisk parsing

Persistence: Hemligheten bakom verklig användbarhet

Det som gör agentbrowse genuint praktiskt är dess beständiga sessioner. En bakgrundsprocess kör webbläsaren kontinuerligt och håller sidtillståndet vid liv mellan kommandon.

Tänk dig scenariot: öppna en sajt, logga in, navigera till en specifik sida, och lämna över till din agent — utan att behöva återskapa tillstånd varje gång.

Sessionerna är isolerade med egna cookies och inloggningsdata. Kommandot login öppnar till och med ett riktigt webbläsarfönster där du hanterar MFA och CAPTCHAs, och sparar sedan den autentiserade sessionen för headless återanvändning.

Säg åt din agent att använda det automatiskt

Här blir det smart. Du kan installera agentbrowse som en "färdighet" som din kodningsagent känner igen direkt:

npx agentbrowse skill --global

Detta skriver rätt konfigurationsfil för din agent — SKILL.md för Claude Code, .cursor/rules för Cursor, AGENTS.md för Codex. Din AI-assistent vet helt enkelt att använda webbläsarautomatisering när webbinteraktion dyker upp.

Inga mer komplicerade prompts som förklarar hur man surfar. Förmågan finns bara där.

Strukturerad output för maskinell konsumtion

Varje kommando accepterar --json för maskinläsbar output, och fel följer ett konsekvent format med specifika exitkoder:

• 2 för användningsfel
• 3 för navigeringsmisslyckanden
• 4 för saknat mål
• 5 för daemon-problem

Perfekt för CI/CD-pipelines och automatiserade arbetsflöden.

Site manifests: Domänspecifika superkrafter

För komplexa eller ofta använda sajter kan du definiera en manifestfil som exponar namngivna, högnivåkommandon:

agentbrowse --site ./github.agent.json create-issue "Bug i inloggningsflödet"

Manifesten deklarerar sidor, selectors och kommandosekvenser med variabelinterpolation — i princip egna "färdigheter" för specifika webbplatser.

Den större bilden

agentbrowse representerar en skiftning i hur vi tänker kring AI-agentförmågor. Istället för att hoppas att AI:s visionsmodeller kan approximera mänsklig-webbläsarinteraktion, ger vi agenterna verktyg designade för deras styrkor: strukturerade kommandon, parsbar output och beständigt tillstånd.

För utvecklare som bygger agentdrivna arbetsflöden är det här ett praktiskt verktyg som fyller en verklig lucka. För de som utforskar AI-assisterad utveckling ger det en glimps av hur agent-verktygsinteraktion kan utvecklas — bort från visuella gränssnitt designade för människor, mot programmerbara gränssnitt designade för maskiner.

Oavsett om du automatiserar webbtestning, bygger AI-arbetsflöden eller bara är nyfiken på framtiden för agent-verktygsinteraktion — agentbrowse är värt att utforska. MIT-licensierad, aktivt underhållen, och kör helt lokalt utan molnberoenden.

Terminalen är tillbaka. Och nu kan till och med din AI använda den.