agent

agent

免费增值Web
访问官网

Agent Browser是Vercel Labs推出的开源浏览器自动化工具,让AI智能体能够浏览网页、操作应用并自主验证工作成果。

agent访问官网

详细介绍

工具简介

Agent Browser 是由 Vercel Labs 推出的一款开源浏览器自动化框架,专为 AI 智能体(AI Agent)设计。它的核心理念是:让智能体像人类一样使用浏览器——不仅能打开网页、点击按钮、填写表单,还能截图记录、验证自己的工作成果,并在无人干预的情况下持续执行任务。与传统的浏览器自动化工具(如 Puppeteer、Playwright)不同,Agent Browser 从底层就为「智能体自主操作」这一场景做了优化,提供了更贴合 AI 工作流的 API 和交互模型。

该工具以开源形式发布,代码托管在 GitHub 的 vercel-labs/agent-browser 仓库中,同时通过 npm 包 agent-browser 分发,开发者可以非常方便地将其集成到现有的 AI 智能体项目中。官网 agent-browser.dev 提供了完整的文档入口,包括介绍页面、API 说明以及快速上手示例。从官网的定位来看,Agent Browser 属于 Vercel 生态中的「Other」类工具,与 Turborepo、shadcn/ui、SWR 等知名项目并列,但其专注方向是浏览器自动化与智能体执行能力。

Agent Browser 最引人注目的特点是它强调「行动—验证—继续」的闭环。官网首页展示了一个非常典型的案例:一个智能体发现生产环境网站上的标题存在拼写错误("Build better prpducts, fadter"),于是它自动打开浏览器访问生产站点并截图记录问题;接着它打开修复后的预览部署(Preview Deployment)页面,确认标题已变为正确的 "Build better products, faster",再次截图;随后它打开对应的 Pull Request(#128 "Fix typos in hero heading"),将两张截图以「Before / After」的形式粘贴到 PR 描述中,最后关闭 PR 和预览页面,回到生产环境。整个流程无需人工介入,智能体自己完成了发现问题、验证修复、记录证据、提交说明的完整链路。这个案例生动地说明了 Agent Browser 的核心价值:让智能体具备可验证的浏览器操作能力。

除了网页浏览,Agent Browser 还展示了桌面级的多智能体协作场景。在官网的 Desktop 演示中,三个不同的智能体(Gemini、OpenAI、Claude)分别执行了不同的桌面操作任务:Gemini 选中三个散落的文件并拖拽到废纸篓;OpenAI 从 Dock 栏打开「照片」应用,删除三张照片后关闭应用;Claude 则在地图应用中缩小视图并四处平移浏览。这些演示表明,Agent Browser 的能力边界不仅限于网页,还延伸到了桌面应用的操作自动化,为构建更通用的计算机使用智能体(Computer Use Agent)提供了基础设施。


主要功能

浏览器自动化控制

Agent Browser 为智能体提供了完整的浏览器操作能力,包括打开网页、导航到指定 URL、点击页面元素、填写表单、滚动页面、截图等。智能体可以通过简洁的 API 调用来驱动浏览器完成一系列操作,而无需关心底层的浏览器驱动细节。这使得开发者可以将精力集中在智能体的决策逻辑上,而不是繁琐的自动化脚本编写上。

工作成果验证与截图记录

这是 Agent Browser 区别于普通自动化工具的关键功能。智能体可以在执行操作后主动截图,将当前页面状态记录下来,作为「工作证据」。例如在修复 bug 的场景中,智能体可以先截图记录问题状态,修复后再截图记录正确状态,并将两张截图进行对比。这种「自验证」能力让智能体的输出更加可信,也便于人类审查智能体的工作过程。

多标签页与多应用协同

Agent Browser 支持智能体同时操作多个标签页,例如在一个标签页中查看生产环境、在另一个标签页中查看预览环境,并在两者之间切换对比。官网演示中,智能体正是利用多标签页能力,先在生产站点截图,再打开预览部署页面截图,最后将两者并排粘贴到 Pull Request 描述中。此外,Desktop 版本还展示了跨桌面应用的操作能力,智能体可以打开照片应用、地图应用等原生程序并执行操作。

与主流编码智能体无缝集成

Agent Browser 明确表示「已准备好用于你正在使用的编码智能体」。官网提供了「Add to your agent」的入口,开发者可以将 Agent Browser 快速接入现有的 AI 编程助手或自主智能体框架。无论是基于 Vercel AI SDK 构建的智能体,还是其他主流的 Agent 框架,都可以通过 npm 包或 API 的方式集成 Agent Browser 的浏览器能力,从而让编码智能体具备「打开浏览器验证代码改动」的闭环能力。

开源与可扩展架构

Agent Browser 以开源形式发布,代码托管在 GitHub 上,采用 Vercel Labs 的实验性项目风格。开发者可以自由查看源码、提交 issue、参与贡献,也可以基于其架构进行二次开发。npm 包的形式使得版本管理和依赖集成非常方便,适合在 CI/CD 流水线或本地开发环境中使用。

桌面端智能体操作演示

官网的 Desktop 演示展示了 Agent Browser 在桌面环境下的多智能体协作能力。三个不同的 AI 智能体(Gemini、OpenAI、Claude)分别执行文件拖拽删除、照片应用操作、地图缩放平移等任务。这表明 Agent Browser 不仅是一个网页自动化工具,更是一个面向「计算机使用智能体」的通用操作框架,为未来更复杂的桌面自动化场景奠定了基础。


使用方法

快速接入

开发者可以通过 npm 安装 agent-browser 包,或直接访问官网的文档页面查看接入指南。官网提供了「Add to your agent」的一键接入入口,也支持将相关配置粘贴到智能体中完成集成。对于使用 Vercel AI SDK 的开发者,Agent Browser 可以与 AI SDK 配合使用,快速为智能体赋予浏览器操作能力。

典型工作流

  1. 发现问题:智能体在代码审查或测试过程中发现潜在问题(如页面文案错误)。
  2. 打开浏览器验证:智能体调用 Agent Browser 打开生产环境页面,截图记录当前状态。
  3. 执行修复并预览:智能体完成代码修复后,打开预览部署页面,截图记录修复后的状态。
  4. 对比与记录:智能体将前后截图进行对比,并粘贴到 Pull Request 描述中作为证据。
  5. 清理与继续:智能体关闭临时打开的标签页和 PR,回到生产环境,继续执行后续任务。

桌面端操作

在桌面场景中,智能体可以通过 Agent Browser 打开原生应用(如照片、地图),执行选择文件、拖拽、删除、缩放、平移等操作。官网演示中,不同智能体分别完成了各自的任务,展示了框架在多智能体环境下的兼容性。


产品优势

对比维度Agent Browser传统浏览器自动化工具
设计目标专为 AI 智能体自主操作设计面向脚本化、确定性的自动化测试
验证能力内置截图记录与前后对比,支持自验证通常需要额外编写断言和截图逻辑
集成方式npm 包 + 开源,与编码智能体无缝集成需要自行封装适配层
操作范围网页 + 桌面应用多智能体协作主要限于浏览器内操作
生态背景Vercel Labs 出品,与 AI SDK 等生态协同独立工具,生态相对分散

Agent Browser 的核心优势在于它从智能体的视角重新定义了浏览器自动化。传统工具关注的是「如何精确控制浏览器」,而 Agent Browser 关注的是「智能体如何通过浏览器完成有意义的任务并证明自己完成了」。这种理念上的差异,使得它在 AI 编码助手、自主智能体等场景中具有天然的优势。同时,Vercel Labs 的开源背景和 npm 分发方式,降低了开发者的接入门槛,也有利于社区生态的快速成长。


应用场景

  • AI 编码助手的自验证:编码智能体在修改代码后,自动打开浏览器验证页面效果,截图并附在 PR 中,减少人工审查成本。
  • 自动化测试与回归验证:智能体可以自主执行端到端测试,记录每一步的页面状态,便于问题定位。
  • 竞品监控与信息采集:智能体定时打开目标网站,截图记录页面变化,用于竞品分析或价格监控。
  • 桌面应用自动化:在桌面环境中,智能体可以操作文件管理器、照片应用、地图等原生程序,完成批量任务。
  • 多智能体协作研究:研究者可以利用 Agent Browser 搭建多智能体协作环境,探索不同模型在浏览器和桌面操作中的表现差异。


总结

Agent Browser 是一款定位清晰、理念前瞻的开源浏览器自动化框架。它没有重复造轮子去和 Playwright、Puppeteer 正面竞争,而是选择了一个差异化的切入点:为 AI 智能体提供可验证的浏览器与桌面操作能力。通过「行动—截图—验证—继续」的闭环设计,它让智能体的工作过程变得可追溯、可审查,这对于 AI 智能体真正落地到生产环境至关重要。背靠 Vercel Labs 的开源生态,Agent Browser 有望成为 AI 智能体基础设施中的重要一环。对于正在构建编码智能体、自主 Agent 或计算机使用智能体的开发者来说,这是一个值得关注和尝试的工具。

核心功能

1
浏览器自动化控制
为智能体提供打开网页、点击元素、填写表单、滚动页面、截图等完整浏览器操作能力,智能体可通过简洁 API 驱动浏览器完成多步骤任务,无需编写复杂的底层自动化脚本。
2
工作成果自验证与截图记录
智能体可在执行操作后主动截图记录页面状态,作为工作证据。支持前后对比截图,例如修复 bug 前后各截一张图并并排展示,让智能体的输出可追溯、可审查。
3
多标签页协同操作
支持智能体同时操作多个标签页,例如在一个标签页查看生产环境、另一个标签页查看预览环境,并在两者之间切换对比,适用于需要跨页面验证的场景。
4
与编码智能体无缝集成
官网提供「Add to your agent」快速接入入口,支持通过 npm 包或 API 方式集成到现有 AI 编程助手和自主智能体框架中,让编码智能体具备打开浏览器验证代码改动的闭环能力。
5
桌面应用操作能力
Desktop 版本展示了对原生桌面应用的操作支持,智能体可以打开照片应用删除照片、在地图应用中缩放平移、拖拽文件到废纸篓等,为计算机使用智能体提供基础设施。
6
开源可扩展架构
代码托管于 GitHub 的 vercel-labs/agent-browser 仓库,以开源形式发布,开发者可自由查看源码、提交 issue、参与贡献或基于架构二次开发,npm 包形式便于版本管理和 CI/CD 集成。
7
多智能体协作演示
官网演示中 Gemini、OpenAI、Claude 三个不同智能体分别执行文件拖拽、照片删除、地图操作等任务,展示了框架在多智能体环境下的兼容性和协作潜力。

优缺点分析

优点
+专为 AI 智能体设计,提供「行动—验证—继续」的闭环能力,智能体可自主截图记录工作成果,大幅提升输出可信度
+背靠 Vercel Labs 开源生态,与 AI SDK 等工具协同良好,npm 包分发方式接入门槛低,开发者可快速集成
+能力边界从网页浏览延伸到桌面应用操作,支持多智能体协作场景,为计算机使用智能体提供通用基础设施
+开源免费,代码透明可审查,开发者可自由定制和扩展,适合研究和生产环境使用
缺点
-目前处于早期阶段,文档和生态相对简洁,部分高级功能(如桌面端操作)的稳定性和兼容性有待进一步验证
-作为 Vercel Labs 的实验性项目,长期维护承诺和版本迭代节奏存在不确定性,生产环境使用需评估风险

适用人群

AI 编码助手开发者:希望为编码智能体赋予浏览器验证能力,让智能体在修改代码后自动打开页面截图并附在 PR 中自主智能体(Autonomous Agent)研究者与开发者:需要为智能体提供浏览器和桌面操作能力,构建可验证的自动化工作流AI 测试工程师:利用智能体自主执行端到端测试并记录页面状态,提升测试效率和问题定位能力计算机使用智能体(Computer Use Agent)探索者:关注桌面应用自动化与多智能体协作场景的技术人员Vercel 生态开发者:已使用 Next.js、AI SDK 等 Vercel 工具链,希望快速集成浏览器自动化能力的开发者

常见问题

Q: Agent Browser 和 Playwright、Puppeteer 有什么区别?
Agent Browser 并非要替代 Playwright 或 Puppeteer,而是从 AI 智能体的视角重新设计浏览器自动化。传统工具关注「如何精确控制浏览器」,适合确定性的测试脚本;Agent Browser 关注「智能体如何通过浏览器完成任务并证明自己完成了」,内置截图记录、前后对比、多标签页协同等面向智能体工作流的能力。它更强调行动后的自验证和可追溯性,适合编码智能体、自主 Agent 等场景。
Q: Agent Browser 是免费的吗?如何获取?
Agent Browser 是 Vercel Labs 推出的开源项目,代码托管在 GitHub 的 vercel-labs/agent-browser 仓库中,采用开源许可证发布,开发者可以免费使用和参与贡献。同时它通过 npm 包 agent-browser 分发,开发者可以使用 npm 安装命令快速集成到项目中。官网 agent-browser.dev 提供了完整的文档和接入指南,包括「Add to your agent」的一键接入入口。
Q: Agent Browser 支持哪些平台和运行环境?
Agent Browser 主要面向 Web 环境,通过 npm 包在 Node.js 环境中运行,可集成到基于 Vercel AI SDK 或其他主流框架构建的智能体中。官网展示的 Desktop 演示表明它具备桌面应用操作能力,但这属于演示性质的功能展示,具体生产环境的平台支持需参考官方文档。目前判断其核心使用场景为 Web 端开发和集成,暂未发现 iOS、Android 等移动端独立客户端。
Q: 如何将 Agent Browser 集成到我现有的智能体项目中?
集成方式主要有两种:一是通过 npm 安装 agent-browser 包,在项目中引入并调用其 API 为智能体赋予浏览器操作能力;二是访问官网 agent-browser.dev 的文档页面,使用「Add to your agent」入口将相关配置粘贴到智能体中完成快速接入。对于使用 Vercel AI SDK 的项目,Agent Browser 可以与 AI SDK 配合使用,实现更顺畅的集成体验。建议先阅读官方文档中的介绍页面和示例代码,再根据项目架构选择合适的集成方式。
Q: Agent Browser 的截图验证功能具体如何工作?
智能体在执行关键操作后,可以调用 Agent Browser 的截图能力记录当前页面状态。例如在修复页面文案错误的场景中,智能体先打开生产环境页面截图记录错误状态,再打开修复后的预览部署页面截图记录正确状态,然后将两张截图以「Before / After」的形式并排粘贴到 Pull Request 描述中。整个过程无需人工介入,截图作为智能体工作成果的证据,便于人类审查和追溯。这种自验证闭环是 Agent Browser 区别于传统自动化工具的核心特色。