介绍
Agent-Browser 是 Vercel 专为 AI Agent 设计的一个浏览器自动化 CLI 工具，能让它们模拟人类操作浏览器（点击、滚动、截图和填表单等），是对 Playwright 作为封装和优化，默认是无头模式操作浏览器。
agent-browser 及关联 Skill vs playwright-skill 综合信息表
| Skill（技能 / 工具） | 来源（获取 / 运行方式） | 核心功能 | 核心技术（底层实现） |
|---|---|---|---|
| agent-browser | npm install -g agent-browser | 通用浏览器自动化（CLI 版） | Playwright + 自有 CLI 封装 |
| dogfood | agent-browser 内置子 skill | QA 测试、探索性测试 | 基于 agent-browser 核心能力 |
| electron | agent-browser 内置子 skill | Electron 桌面应用测试 | 无额外标注（默认基于 agent-browser） |
| slack | agent-browser 内置子 skill | Slack 聊天工具自动化 | 无额外标注（默认基于 agent-browser） |
| playwright-skill | 本地 skill（自定义 / 内置） | 浏览器自动化测试 | 原生 Playwright（无额外封装） |
agent-browser vs playwright-skill 功能特性对比表
| 特性 | agent-browser | playwright-skill |
|---|---|---|
| 接口 | CLI 命令（如 agent-browser click @e1） | Playwright 多语言 API（Python/JS/Java 代码调用，如 page.click('#btn')） |
| 元素引用 | 快照生成 @e1, @e2 简化引用 | CSS/XPath/ 文本选择器（如 //div[@id="e1"]），支持精准定位 |
| 会话管理 | 内置 --session 参数一键管理 | 自定义代码实现（通过 context 上下文对象手动管理） |
| 状态保存 | 内置 state save/load 命令 | 手动调用 storage_state 方法序列化 / 反序列化状态 |
| 认证 | auth save/login 命令，加密存储凭证 | 手动处理 Cookie/Token，需结合加密库 / 环境变量存储 |
| iOS 模拟器 | 原生支持 | 无原生支持，需结合 BrowserStack/Appium 等工具 |
| 浏览器引擎 | Chrome, Lightpanda | Chrome、Firefox、Safari、Edge 等全主流引擎 |
| Diff 测试 | 内置 diff 命令一键执行 | 原生支持 toHaveScreenshot() / toMatchSnapshot()，内置 pixelmatch 像素级比对 |
选择建议
- 简单重复任务、QA 快速验证 → agent-browser（CLI 命令简洁，无需编写代码）
- 复杂业务逻辑、自定义自动化流程 → playwright-skill（代码化控制，灵活性和扩展性更高）
安装与使用
执行 npm install -g agent-browser 安装。
创建符号链接，让 OpenCode、OpenClaw 和 Codex 都能发现 agent-browser，记得路径按自己的电脑实际情况改。
# 1. Codex & Opencode 全局 skills 目录
ln -s /opt/homebrew/lib/node_modules/agent-browser/skills/agent-browser ~/.agents/skills/agent-browser
ln -s /opt/homebrew/lib/node_modules/agent-browser/skills/dogfood ~/.agents/skills/dogfood
ln -s /opt/homebrew/lib/node_modules/agent-browser/skills/slack ~/.agents/skills/slack
ln -s /opt/homebrew/lib/node_modules/agent-browser/skills/electron ~/.agents/skills/electron
# 2. Openclaw 项目目录
ln -s /opt/homebrew/lib/node_modules/agent-browser/skills/agent-browser ~/Desktop/work/openclaw/.agents/skills/agent-browser
ln -s /opt/homebrew/lib/node_modules/agent-browser/skills/dogfood ~/Desktop/work/openclaw/.agents/skills/dogfood
ln -s /opt/homebrew/lib/node_modules/agent-browser/skills/slack ~/Desktop/work/openclaw/.agents/skills/slack
ln -s /opt/homebrew/lib/node_modules/agent-browser/skills/electron ~/Desktop/work/openclaw/.agents/skills/electron
执行 opencode，让 AI 调查亚马逊平台的热门电器产品，可以发现 AI 执行了 CLI 命令 agent-browser open https://www.amazon.com && agent-browser wait --load networkidle && agent-browser screenshot amazon-home.png，这三个命令的作用分别是打开亚马逊平台链接、仅当页面成功打开后，等待页面的网络请求基本停止（动态内容完全加载）和对亚马逊首页截图为 amazon-home.png。
接下来 AI 自行操作，完成搜索、爬取数据、处理超时、模拟滚动、点击和截图等。
最终结果验证显示，AI 能够打开电子产品链接找另外几个产品进行验证，基本符合事实。只是部分评价最多的产品可能因提取数量限制或页面动态加载原因未完全展示。
参考链接：https://www.amazon.com/gp/bestsellers/electronics/ref=zg_bs_electronics_sm