Claude Code浏览器自动化实战指南|AI编程助手必备工具|让AI真正读懂网页

现在的 AI 编程工具已经能够编写代码、执行命令、读取文件，但在"浏览网页"这个环节始终存在短板。

当你希望它帮你检查页面修改是否生效、验证表单提交后的跳转是否正确、或者从某个后台系统提取数据时，它只能无奈地回复"我无法控制浏览器，你手动操作一下吧"。

agent-browser#agent-browser 就是来解决这个问题的。

这是 Vercel 团队开源的浏览器控制方案，但和传统自动化框架有着本质差异：它不是给人写脚本的，而是专门为 AI 打造的 CLI 工具#浏览器插件。

你可能了解 Playwright 的 MCP Server 也能让 AI 操控浏览器。但 agent-browser 采取了完全不同的设计理念：

Playwright MCP

agent-browser

简而言之，Playwright MCP 把浏览器底层直接暴露给 AI，而 agent-browser 则帮 AI 翻译成它能理解的语言。

agent-browser 内置了 74 个浏览器控制指令，涵盖：

open、back、forward、reload— 页面导航和历史记录操作，基础但不可或缺。

click、fill、type、hover、upload— 按钮点击、表单填写、悬停效果、文件上传。无需 CSS 选择器，直接按文字内容定位。

wait_for、wait_for_text、wait_for_url— 等待页面加载完成、等待特定文字出现、等待 URL 变化。

read、snapshot、links、find— 将页面转换为 Markdown 格式、简化的可访问性树、带序号的链接清单。

screenshot、pdf— 截图或导出 PDF，用于人工复核。

new_session、close_session、login— 一次登录、多次复用，无需重复输入密码。

console、network、evaluate— 执行 JavaScript、查看控制台输出、监控网络请求，调试必备。

首次使用：登录（需人工操作一次，之后自动完成）

后续使用：全自动化运行

各会话之间完全隔离，Cookie 和存储空间互不干扰：

全局安装（推荐方式）：

或者在 Claude Code#ClaudeCode/ Cursor#Cursor中一键安装 Skill：

安装完成后，Claude 遇到网页相关任务时会自动调用 agent-browser。

修改代码后，直接让 Claude 使用 agent-browser 打开页面进行验证：

"帮我检查一下这个页面在手机端的排版是否有问题" AI →agentbrowse open+agentbrowse screenshot+agentbrowse read

"把这 20 台设备通过后台管理系统录入进去" AI → 循环调用click "新增"→fill→submit

发布前执行截图对比：

某些设备厂商的文档没有提供 API，agent-browser 可以直接按照页面结构提取数据：

你可能会说"这些事情 Selenium 和 Playwright 早就能够实现了"。

确实如此，但区别主要在两点：

AI 无需编写脚本— 你不需要写driver.find_element(By.ID, "submit-btn")，只需要说"点击提交按钮"，AI 会自动转换为click "提交"。

定位方式更稳定— Accessibility Tree 比 DOM Selector 可靠得多。元素更换了 CSS class，XPath 就失效了，但"提交"这个可访问性名称不会改变。

如果你已经在使用 Claude Code 或支持 MCP 的工具，且已配置好浏览器 MCP，可能不需要额外安装。

但如果遇到以下场景，agent-browser 的优势就很明显：

也可以两者结合使用：简单的页面操作走 agent-browser，需要登录态和 Cookie 管理的走 MCP。

agent-browser 要解决的不是"能否控制浏览器"— Playwright 和 Puppeteer 早就实现了。

它解决的是 AI 如何优雅地控制浏览器的问题。它在 AI 和网页之间增加了一层翻译层，让 AI 无需解析 HTML DOM、无需编写 CSS 选择器、无需记忆各种 API 调用方式。

用自然语言描述需求，agent-browser 负责转换为浏览器指令，AI 负责决策流程—这才是 AI 操作网页应有的方式。

#AI工具教程