agentbrowse：让 AI 也能优雅地"上网冲浪"

说实话，AI 编程助手处理命令行和代码文件时确实溜得飞起。但一让它们去操作网页界面？那是真的拉胯。

这就是 agentbrowse 要解决的问题。它是一个 CLI 工具，把 Playwright 包了一层，做成一个对 AI 友好的简单接口。支持 Claude Code、Codex、Cursor 这些主流编程助手。

AI 和网页界面的"代沟"

传统的浏览器自动化都是给人设计的。人能搞定 CAPTCHA、能凭直觉看懂页面布局、能精准点中那个小按钮。AI 呢？它擅长执行精确指令，但面对视觉界面的模糊性就歇菜了。

agentbrowse 把这个关系给反转了。AI 不再需要硬刚浏览器，而是拿到一套干净的 API：打开 URL、把页面转成 markdown 读取、按文字或序号点击、填表单——全通过终端命令搞定，返回的都是结构化数据。

分分钟上手

安装简单到离谱：

npm install -g agentbrowse
npx playwright install chromium

完事。首次运行会自动下载 Chromium，之后就能开干了。

核心用法也特别简洁：

• agentbrowse open <url> — 打开网页
• agentbrowse read — 把当前页面转成干净的 markdown
• agentbrowse links — 显示带编号的可点击链接
• agentbrowse click "Sign up" — 按文字或链接编号点击
• agentbrowse read --json — 输出程序可解析的 JSON 格式

持久会话：这才是精髓

agentbrowse 真正好用的地方在于它的持久会话机制。一个后台浏览器进程持续运行，保持页面状态不丢。这意味着你可以打开网站、完成登录、浏览到某个页面，然后把状态交给 AI 助手——全程不需要反复重建状态。

每个会话都有独立 ID，带自己的 cookie 和认证状态。login 命令甚至会打开真实的浏览器窗口让你手动处理 MFA 和 CAPTCHA，然后把认证好的会话保存下来供无头模式复用。

让 AI 自动掌握这个技能

这步就很巧妙了。你可以把 agentbrowse 安装成 AI 的一个"技能"：

npx agentbrowse skill --global

它会自动生成对应助手的配置文件——Claude Code 用 SKILL.md，Cursor 用 .cursor/rules，Codex 用 AGENTS.md。以后 AI 遇到需要操作网页的场景，就会自动调用浏览器自动化。

不用再写一大段 prompt 教它怎么用浏览器。这能力就在那儿，随用随取。

给机器看的结构化输出

每个命令都支持 --json 输出格式，错误信息也有统一规范，退出码分别是：2 表示用法错误，3 表示导航失败，4 表示找不到目标，5 表示守护进程问题。这些设计让 agentbrowse 特别适合 CI/CD 流程和自动化脚本。

网站清单：针对特定站点的超能力

遇到复杂的或者常用的网站，还可以定义一个网站清单文件，暴露一些命名好的高级命令：

agentbrowse --site ./github.agent.json create-issue "登录流程有 bug"

清单文件里可以声明页面路径、选择器、命令序列，还支持变量插值——本质上就是为特定网站定制了一套专属"技能"。

更大的图景

agentbrowse 代表了一种思路转变：与其指望 AI 的视觉模型去模拟人操作浏览器，不如给 AI 配备为它的长处量身定制的工具——结构化命令、可解析输出、持久状态。

对于正在构建 AI 驱动工作流的开发者来说，这是个填补真实空白的实用工具。对于想探索 AI 辅助开发的人，这是一个窗口——让我们看到 AI 与工具的交互方式正在进化：从为人类设计的视觉界面，走向为机器设计的程序化接口。

不管你是想自动化网页测试、构建 AI 工作流，还是单纯好奇 AI 工具交互的未来，agentbrowse 都值得试试。它是 MIT 协议开源、活跃维护、纯本地运行——不依赖任何云服务或外部 API。

终端回来了，现在连 AI 也能用它了。