Communitygithub.com

agent-browser

CLI für Browser-Automatisierung für KI-Agenten. Ermöglicht die Interaktion mit Websites wie das Navigieren durch Seiten, das Ausfüllen von Formularen, das Klicken von Schaltflächen, das Erstellen von Screenshots, das Extrahieren von Daten, das Testen von Web-Apps oder die Automatisierung beliebiger Browseraufgaben.

Was ist agent-browser?

agent-browser ist ein schnelles CLI-Tool zur Browser-Automatisierung, das speziell für KI-Agenten entwickelt wurde. Es basiert auf einer nativen Rust-Implementierung und nutzt Chrome/Chromium über das Chrome DevTools Protocol (CDP), ohne auf Playwright oder Puppeteer angewiesen zu sein. Das Tool unterstützt Accessibility-Tree-Snapshots mit kompakten `@eN`-Elementreferenzen, die eine zuverlässige Interaktion mit Webseiten ermöglichen. Es ist mit einer Vielzahl von KI-Agentenplattformen kompatibel, darunter Cursor, Claude Code, Codex, Continue und Windsurf. Agent-browser bietet erweiterte Funktionen wie Sitzungen, Authentifizierungsspeicher, Zustandspersistenz, Videoaufzeichnung und spezialisierte Skills für Electron-Apps, Slack, exploratives Testen und Cloud-Anbieter. Das Dashboard läuft unabhängig auf Port 4848 und kann über eine Proxy-URL geöffnet werden, sodass Agenten problemlos auf Sitzungsdaten zugreifen können.

Funktioniert mit✓Claude Code✓Codex CLI✓Cursor✓Windsurf
npx skills add https://github.com/vercel-labs/agent-browser/tree/main/skills/agent-browser
Original anzeigen→Alle Skills durchsuchen

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Dokumentation

Was macht agent-browser?

Schnelles CLI zur Browser-Automatisierung für KI-Agenten. Chrome/Chromium über CDP mit Accessibility-Tree-Snapshots und kompakten @eN-Elementreferenzen.

Installation: npm i -g agent-browser && agent-browser install

Hier beginnen

Diese Datei ist ein Discovery-Stub, kein Benutzerhandbuch. Bevor Sie einen agent-browser-Befehl ausführen, laden Sie den tatsächlichen Workflow-Inhalt über die CLI:

agent-browser skills get core             # Hier beginnen – Workflows, typische Muster, Fehlerbehebung
agent-browser skills get core --full      # Vollständige Befehlsreferenz und Vorlagen einschließen

Die CLI liefert Skill-Inhalte, die immer mit der installierten Version übereinstimmen, sodass Anweisungen nie veralten. Der Inhalt dieses Stubs kann sich zwischen den Versionen nicht ändern, weshalb er lediglich auf skills get core verweist.

Spezialisierte Skills

Laden Sie einen spezialisierten Skill, wenn die Aufgabe außerhalb von Browser-Webseiten liegt:

agent-browser skills get electron          # Electron-Desktop-Apps (VS Code, Slack, Discord, Figma, ...)
agent-browser skills get slack             # Slack-Workspace-Automatisierung
agent-browser skills get dogfood           # Explorative Tests / QA / Bug-Hunts
agent-browser skills get derive-client     # HAR aufzeichnen, eigenständigen API-Client für eine Website ableiten
agent-browser skills get vercel-sandbox    # agent-browser in Vercel Sandbox microVMs
agent-browser skills get protected-vercel-deployments  # Zugriff auf geschützte Vercel-Deployments
agent-browser skills get agentcore         # AWS Bedrock AgentCore Cloud-Browser

Führen Sie agent-browser skills list aus, um alle verfügbaren Skills der installierten Version anzuzeigen.

Warum agent-browser

  • Schnelles natives Rust-CLI, kein Node.js-Wrapper
  • Funktioniert mit jedem KI-Agenten (Cursor, Claude Code, Codex, Continue, Windsurf usw.)
  • Chrome/Chromium über CDP ohne Playwright- oder Puppeteer-Abhängigkeit
  • Accessibility-Tree-Snapshots mit Elementreferenzen für zuverlässige Interaktion
  • Sitzungen, Authentifizierungsspeicher, Zustandspersistenz, Videoaufzeichnung
  • Spezialisierte Skills für Electron-Apps, Slack, exploratives Testen, Cloud-Anbieter

Beobachtbarkeits-Dashboard

Das Dashboard läuft unabhängig von Browser-Sitzungen auf Port 4848 und kann auch über eine proxy- oder weitergeleitete URL wie https://dashboard.agent-browser.localhost geöffnet werden. Agenten sollten auf der Dashboard-Origin bleiben: Sitzungs-Tabs, Status und Stream-Traffic werden intern weitergeleitet, sodass Sitzungs-Ports nicht exponiert werden müssen.

Individual skills in this repo

This repo contains 8 individual skills — each has its own dedicated page.

vercel-labs/agentcore

Run agent-browser on AWS Bedrock AgentCore cloud browsers. Use when the user wants to use AgentCore, run browser automation on AWS, use a cloud browser with AWS credentials, or needs a managed browser session backed by AWS infrastructure. Triggers include "use agentcore", "run on AWS", "cloud browser with AWS", "bedrock browser", "agentcore session", or any task requiring AWS-hosted browser automation.

vercel-labs/derive-client

Reverse-engineer a website's internal API by recording browser traffic into a HAR file, then generate a standalone client or CLI that calls the endpoints directly, with no browser needed after the first recording. Use when asked to "derive a client", "build a CLI for <site>", "reverse engineer this site's API", "record network requests", "turn this site into an API", or when the same site will be automated repeatedly and direct HTTP calls would beat driving the browser every time.

vercel-labs/dogfood

Systematically explore and test a web application to find bugs, UX issues, and other problems. Use when asked to "dogfood", "QA", "exploratory test", "find issues", "bug hunt", "test this app/site/platform", or review the quality of a web application. Produces a structured report with full reproduction evidence -- step-by-step screenshots, repro videos, and detailed repro steps for every issue -- so findings can be handed directly to the responsible teams.

vercel-labs/electron

Automate Electron desktop apps (VS Code, Slack, Discord, Figma, Notion, Spotify, etc.) using agent-browser via Chrome DevTools Protocol. Use when the user needs to interact with an Electron app, automate a desktop app, connect to a running app, control a native app, or test an Electron application. Triggers include "automate Slack app", "control VS Code", "interact with Discord app", "test this Electron app", "connect to desktop app", or any task requiring automation of a native Electron application.

vercel-labs/protected-vercel-deployments

Access and test Vercel deployments protected by Vercel Authentication, SSO, or Deployment Protection with agent-browser. Use when a preview or production URL redirects to a Vercel login page, returns a protection 401 or 403, or needs short-lived Trusted Sources OIDC authentication instead of a static bypass secret or public exception.

vercel-labs/slack

Interact with Slack workspaces using browser automation. Use when the user needs to check unread channels, navigate Slack, send messages, extract data, find information, search conversations, or automate any Slack task. Triggers include "check my Slack", "what channels have unreads", "send a message to", "search Slack for", "extract from Slack", "find who said", or any task requiring programmatic Slack interaction.

vercel-labs/vercel-sandbox

Run agent-browser + Chrome inside Vercel Sandbox microVMs for browser automation from any Vercel-deployed app. Use when the user needs browser automation in a Vercel app (Next.js, SvelteKit, Nuxt, Remix, Astro, etc.), wants to run headless Chrome without binary size limits, needs persistent browser sessions across commands, or wants ephemeral isolated browser environments. Triggers include "Vercel Sandbox browser", "microVM Chrome", "agent-browser in sandbox", "browser automation on Vercel", or any task requiring Chrome in a Vercel Sandbox.

vercel-labs/webmcp-gen

Build and validate experimental WebMCP tools for an existing web page. Use when an agent needs to expose a site's real workflows as page tools, create webmcp.init.js, define deterministic checks, or compare WebMCP with accessibility-tree automation.

Verwandte Skills

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community