sleepinginsummer/agent-browser-cli

面向 Agent 的浏览器感知与控制 CLI,把真实 Chrome 会话变成可复用的标签页扫描、页面 JS、Cookie、CDP 和截图能力。

浏览器感知 ·页面控制 ·Chrome 登录态复用 ·CDP ·条件等待 ·Agent Skill 集成

AI 一句話安装 ·手动安装 ·Chrome 拡張 ·更新 ·更新日志 ·卸载 ·友情链接

中文 |英語

agent-browser-cli 是一个面向 Agent 的浏览器感知与控制工具。它通过 Chrome 扩展连接用户真实浏览器,保留登录态和 Cookie,提供标签页扫描、页面 JS 执行、Cookie 读取、CDP 控制、截图、文件上传、下拉框点击等能力。

本プロジェクト不是 Selenium / Playwright。それより適合在已有浏览器会话中辅助 Agent 精确读取页面和执行操作。

项目信息

• 当前版本:0.3.5
• 支持平台:Windows(包括 WSL)/ Mac / Linux
• 浏览器:Chrome,需加载拓展 assets/tmwd_cdp_bridge
• Linux 支持前提:本机 Chrome / Chromium 需要支持安装拡張
• WSL 支持前提:需使用 WSL 2.0.0+,並建议在 Windows 11 22H2+ 下启用 networkingMode=mirrored,以便 WSL 连接宿主机 localhost 上的 Chrome 桥接服务

致谢

本项目的浏览器控制能力提取并改造自 GenericAgent 项目中的 Web 工具链,包括 TMWebDriver、simphtml 和 tmwd_cdp_bridge 扩展相关思路与实现。

感謝 GenericAgent 项目提供的浏览器桥接、页面简化、CDP 控制和实践 SOP。本仓库在此基础上做了面向独立使用和 CLI 调用的整理与增强。

AI 一句話安装

改进内容

• 从 GenericAgent 中拆出浏览器控制能力,使用cli 提供给codex、claude code、opencode使用。GenericAgent浏览器插件不需要重新安装,可以共用同一个插件
• 避免每次命令都重新初始化浏览器连接。
• 新增启动锁,避免多个 CLI 并发启动时重复绑定底层端口。
• 增加skill:skills/agent-browser-cli/SKILL.md,提供ai参考使用。
• 若干优化，缩短命令执行时间
• 优化 CDP debugger attach/detach 流程,减少页面、闪烁和异常退出後の残留 attach
• rust实现cli端

agent-browser-cli 是一个面向 Agent 的浏览器感知与控制工具。它通过 Chrome 扩展连接用户真实浏览器，保留登录态和 Cookie，提供标签页扫描、页面 JS 执行、Cookie 读取、CDP 控制、截图、文件上传、下拉框点击等能力。

本项目不是 Selenium / Playwright。它更适合在已有浏览器会话中辅助 Agent 精确读取页面和执行操作。

项目信息

• 当前版本：0.3.5
• 支持平台：Windows（包括 WSL）/ Mac / Linux
• 浏览器：Chrome，需加载拓展 assets/tmwd_cdp_bridge
• Linux 支持前提：本机 Chrome / Chromium 需要支持安装扩展
• WSL 支持前提：需使用 WSL 2.0.0+，并建议在 Windows 11 22H2+ 下启用 networkingMode=mirrored，以便 WSL 连接宿主机 localhost 上的 Chrome 桥接服务

致谢

本项目的浏览器控制能力提取并改造自 GenericAgent 项目中的 Web 工具链，包括 TMWebDriver、simphtml 和 tmwd_cdp_bridge 扩展相关思路与实现。

感谢 GenericAgent 项目提供的浏览器桥接、页面简化、CDP 控制和实践 SOP。本仓库在此基础上做了面向独立使用和 CLI 调用的整理与增强。

AI 一句话安装

请阅读 https://github.com/sleepinginsummer/agent-browser-cli/blob/main/AI_INSTALL.md，按说明安装 CLI、加载 Chrome 扩展，并添加 `skills/agent-browser-cli/SKILL.md`。

改进内容

• 从 GenericAgent 中拆出浏览器控制能力，使用cli 提供给codex、claude code、opencode使用。GenericAgent浏览器插件不需要重新安装，可以共用同一个插件
• 避免每次命令都重新初始化浏览器连接。
• 新增启动锁，避免多个 CLI 并发启动时重复绑定底层端口。
• 增加skill：skills/agent-browser-cli/SKILL.md，提供ai参考使用。
• 若干优化，缩短命令执行时间
• 优化 CDP debugger attach/detach 流程，减少页面闪烁和异常退出后的残留 attach
• rust实现cli端

他能做的事情

1. 自动化测试 可以复用真实浏览器环境做页面流程验证、表单提交、按钮点击、跳转检查、登录态页面测试。
2. 前端页面 Debug 可以读取 DOM、执行 JS、查看页面状态、截图确认效果，辅助定位前端交互、渲染和数据问题，对接后端接口。
3. 页面样式调试 可以在真实页面里执行 JS 修改 DOM / CSS，临时验证样式、布局和交互效果，但更偏辅助调试，不是完整设计工具。
4. 网页数据采集 可以读取页面内容、表格、列表、Cookie 和接口相关状态，适合处理需要登录态的页面数据提取。
5. 浏览器操作脚本化 可以把打开页面、切换标签页、执行 JS、截图、上传文件等操作串成脚本，做重复性网页任务。
6. Agent 辅助操作网页后台 适合让 AI Agent 操作管理后台、配置页面、低代码平台、表单系统等已有网页工具。
7. 页面结构分析 可以简化 HTML、识别主要内容区和列表结构，帮助 Agent 更快理解复杂页面。
8. 安全研究和逆向辅助 可以在真实浏览器会话里观察页面行为、执行调试脚本、读取前端状态，辅助分析前端逻辑和接口调用。

他的能力

1. 扫描当前 Chrome 标签页，获取页面标题、URL 和标签页 ID。
2. 切换到指定标签页，复用已有页面和登录态。
3. 打开新标签页，支持直接访问目标 URL。