Communitygithub.com

ASoudy/AGS

Browser-Automatisierung über die Kommandozeile für KI-Agenten. Verwenden Sie dies, wenn Sie mit Websites interagieren müssen, einschließlich Navigation, Formularausfüllung, Klicks, Screenshots, Datenextraktion, Web-App-Tests oder jeder anderen Browser-Aufgabe.

Was ist AGS?

Dieses Skill ermöglicht KI-Agenten die browserbasierte Webautomatisierung über eine einfache Kommandozeilenschnittstelle. Es nutzt Chrome/Chromium direkt über das Chrome DevTools Protocol (CDP) und unterstützt plattformübergreifende Installation via npm, Homebrew oder Cargo. Der Kernworkflow besteht aus Navigieren, Snapshot-Erstellung (um Elementverweise wie @e1, @e2 zu erhalten) und Interaktion mittels Klicks, Texteingabe und Scrollen. Für komplexe Abläufe bietet das Tool leistungsstarke Features wie Authentifizierungsmanagement (Import von Browser-Sessions, Profil-Wiederverwendung, verschlüsselte Anmeldedaten), Zustandsspeicherung, Netzwerk-Inspektion und -Routing, Tab-Management, Geräteemulation, Live-Streaming per WebSocket und sogar KI-gesteuerte Chat-Befehle. Entwicklungsteams und Agenten profitieren von der Batch-Ausfführung (`batch`), bei der mehrere Befehle hintereinander in einer einzigen Shell-Instanz laufen – das spart Tool-Aufrufe und Token. Der Fokus liegt auf Effizienz: Einmaliger Snapshot einer Seite, dann viele Aktionen mit den gefundenen Verweisen, ohne erneutes Parsen. Das Skills ist ideal für jede Aufgabe, die programmatische Webinteraktion erfordert, wie E2E-Tests, Datenextraktion, Formularautomatisierung oder Multi-Page-Workflows.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor
npx skills add https://github.com/ASoudy/AGS/tree/HEAD/claude_skills_libraries/landing-page-mastery/skills/agent-browser

In Ihrer bevorzugten KI fragen

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

Dokumentation

Browser-Automatisierung mit agent-browser

Das CLI verwendet Chrome/Chromium direkt über CDP. Installieren Sie es mit npm i -g agent-browser, brew install agent-browser oder cargo install agent-browser. Führen Sie agent-browser install aus, um Chrome herunterzuladen. Vorhandene Installationen von Chrome, Brave, Playwright und Puppeteer werden automatisch erkannt. Führen Sie agent-browser upgrade aus, um auf die neueste Version zu aktualisieren.

Kernworkflow

Jede Browser-Automatisierung folgt diesem Muster:

  1. Navigieren: agent-browser open <url>
  2. Snapshot: agent-browser snapshot -i (Elementverweise wie @e1, @e2 abrufen)
  3. Interagieren: Verweise zum Klicken, Ausfüllen, Auswählen verwenden
  4. Erneuter Snapshot: Nach Navigation oder DOM-Änderungen frische Verweise holen
agent-browser open https://example.com/form
agent-browser snapshot -i
# Ausgabe: @e1 [input type="email"], @e2 [input type="password"], @e3 [button] "Submit"

agent-browser fill @e1 "[email protected]"
agent-browser fill @e2 "password123"
agent-browser click @e3
agent-browser wait 2000
agent-browser snapshot -i  # Ergebnis prüfen

Befehlskettung

Befehle können mit && in einem einzigen Shell-Aufruf verkettet werden. Der Browser bleibt zwischen den Befehlen über einen Hintergrund-Daemon bestehen, daher ist die Verkettung sicherer und effizienter als separate Aufrufe.

# Öffnen + Snapshot in einem Aufruf verketten (open wartet bereits auf Seitenladung)
agent-browser open https://example.com && agent-browser snapshot -i

# Mehrere Interaktionen verketten
agent-browser fill @e1 "[email protected]" && agent-browser fill @e2 "password123" && agent-browser click @e3

# Navigieren und erfassen
agent-browser open https://example.com && agent-browser screenshot

Wann verkettet werden sollte: Verwenden Sie &&, wenn Sie die Ausgabe eines Zwischenbefehls nicht lesen müssen, bevor Sie fortfahren (z. B. open + wait + screenshot). Führen Sie Befehle getrennt aus, wenn Sie zuerst die Ausgabe parsen müssen (z. B. Snapshot, um Verweise zu entdecken, dann Interaktion mit diesen Verweisen).

Behandlung der Authentifizierung

Wenn Sie eine Website automatisieren, die eine Anmeldung erfordert, wählen Sie den passenden Ansatz:

Option 1: Auth aus dem Browser des Benutzers importieren (am schnellsten für einmalige Aufgaben)

# Mit dem laufenden Chrome des Benutzers verbinden (dieser ist bereits angemeldet)
agent-browser --auto-connect state save ./auth.json
# Diesen Auth-Status verwenden
agent-browser --state ./auth.json open https://app.example.com/dashboard

Statusdateien enthalten Session-Tokens im Klartext – zu .gitignore hinzufügen und löschen, wenn nicht mehr benötigt. Setzen Sie AGENT_BROWSER_ENCRYPTION_KEY für die Verschlüsselung im Ruhezustand.

Option 2: Chrome-Profil-Wiederverwendung (keine Einrichtung)

# Verfügbare Chrome-Profile auflisten
agent-browser profiles

# Vorhandenen Chrome-Anmeldestatus des Benutzers wiederverwenden
agent-browser --profile Default open https://gmail.com

Option 3: Persistenzprofil (für wiederkehrende Aufgaben)

# Erster Durchlauf: manuell oder per Automatisierung anmelden
agent-browser --profile ~/.myapp open https://app.example.com/login
# ... Anmeldedaten eingeben, absenden ...

# Alle zukünftigen Durchläufe: bereits authentifiziert
agent-browser --profile ~/.myapp open https://app.example.com/dashboard

Option 4: Session-Name (automatisches Speichern/Wiederherstellen von Cookies + localStorage)

agent-browser --session-name myapp open https://app.example.com/login
# ... Anmeldeablauf ...
agent-browser close  # Status automatisch gespeichert

# Nächstes Mal: Status automatisch wiederhergestellt
agent-browser --session-name myapp open https://app.example.com/dashboard

Option 5: Auth-Tresor (Anmeldedaten verschlüsselt gespeichert, Anmeldung nach Name)

echo "$PASSWORD" | agent-browser auth save myapp --url https://app.example.com/login --username user --password-stdin
agent-browser auth login myapp

auth login navigiert mit load und wartet dann darauf, dass die Anmeldeformular-Selektoren erscheinen, bevor ausgefüllt/geklickt wird – zuverlässiger bei verzögerten SPA-Anmeldebildschirmen.

Option 6: Statusdatei (manuelles Speichern/Laden)

# Nach dem Anmelden:
agent-browser state save ./auth.json
# In einer zukünftigen Sitzung:
agent-browser state load ./auth.json
agent-browser open https://app.example.com/dashboard

Siehe references/authentication.md für OAuth, 2FA, cookie-basierte Authentifizierung und Token-Aktualisierungsmuster.

Wesentliche Befehle

# Batch: IMMER batch für 2+ aufeinanderfolgende Befehle verwenden. Befehle werden nacheinander ausgeführt.
agent-browser batch "open https://example.com" "snapshot -i"
agent-browser batch "open https://example.com" "screenshot"
agent-browser batch "click @e1" "wait 1000" "screenshot"

# Navigation
agent-browser open <url>              # Navigieren (Aliase: goto, navigate)
agent-browser close                   # Browser schließen
agent-browser close --all             # Alle aktiven Sitzungen schließen

# Snapshot
agent-browser snapshot -i             # Interaktive Elemente mit Verweisen (empfohlen)
agent-browser snapshot -i --urls      # href-URLs für Links einschließen
agent-browser snapshot -s "#selector" # Auf CSS-Selektor eingrenzen

# Interaktion (@refs aus snapshot verwenden)
agent-browser click @e1               # Element anklicken
agent-browser click @e1 --new-tab     # Klicken und in neuem Tab öffnen
agent-browser fill @e2 "text"         # Leeren und Text eingeben
agent-browser type @e2 "text"         # Eingeben ohne Leeren
agent-browser select @e1 "option"     # Dropdown-Option auswählen
agent-browser check @e1               # Checkbox aktivieren
agent-browser press Enter             # Taste drücken
agent-browser keyboard type "text"    # Text an aktueller Fokusposition eingeben (kein Selektor)
agent-browser keyboard inserttext "text"  # Einfügen ohne Tastaturereignisse
agent-browser scroll down 500         # Seite scrollen
agent-browser scroll down 500 --selector "div.content"  # Innerhalb eines bestimmten Containers scrollen

# Informationen abrufen
agent-browser get text @e1            # Elementtext abrufen
agent-browser get url                 # Aktuelle URL abrufen
agent-browser get title               # Seitentitel abrufen
agent-browser get cdp-url             # CDP-WebSocket-URL abrufen

# Warten
agent-browser wait @e1                # Auf Element warten
agent-browser wait 2000               # Millisekunden warten
agent-browser wait --url "**/page"    # Auf URL-Muster warten
agent-browser wait --text "Welcome"   # Warten, bis Text erscheint (Teilzeichenfolgen-Suche)
agent-browser wait --load networkidle # Auf Netzwerkinaktivität warten (Vorsicht: siehe Fallstricke)
agent-browser wait --fn "!document.body.innerText.includes('Loading...')"  # Warten, bis Text verschwindet
agent-browser wait "#spinner" --state hidden  # Warten, bis Element verschwindet

# Downloads
agent-browser download @e1 ./file.pdf          # Element zum Auslösen des Downloads anklicken
agent-browser wait --download ./output.zip     # Warten, bis ein Download abgeschlossen ist
agent-browser --download-path ./downloads open <url>  # Standard-Download-Verzeichnis festlegen

# Tab-Verwaltung
agent-browser tab list                         # Alle offenen Tabs auflisten
agent-browser tab new                          # Neuen leeren Tab öffnen
agent-browser tab new https://example.com      # URL in einem neuen Tab öffnen
agent-browser tab 2                            # Zu Tab nach Index wechseln (0-basiert)
agent-browser tab close                        # Aktuellen Tab schließen
agent-browser tab close 2                      # Tab nach Index schließen

# Netzwerk
agent-browser network requests                 # Verfolgte Anfragen anzeigen
agent-browser network requests --type xhr,fetch  # Nach Ressourcentyp filtern
agent-browser network requests --method POST   # Nach HTTP-Methode filtern
agent-browser network requests --status 2xx    # Nach Status filtern (200, 2xx, 400-499)
agent-browser network request <requestId>      # Vollständige Anfrage-/Antwortdetails anzeigen
agent-browser network route "**/api/*" --abort  # Passende Anfragen blockieren
agent-browser network har start                # HAR-Aufzeichnung starten
agent-browser network har stop ./capture.har   # HAR-Datei stoppen und speichern

# Viewport & Geräteemulation
agent-browser set viewport 1920 1080          # Viewport-Größe festlegen (Standard: 1280x720)
agent-browser set viewport 1920 1080 2        # 2x Retina (gleiche CSS-Größe, höhere Auflösung bei Screenshots)
agent-browser set device "iPhone 14"          # Gerät emulieren (Viewport + User-Agent)

# Erfassung
agent-browser screenshot              # Screenshot in temporäres Verzeichnis
agent-browser screenshot --full       # Vollständiger Seiten-Screenshot
agent-browser screenshot --annotate   # Kommentierter Screenshot mit nummerierten Elementbeschriftungen
agent-browser screenshot --screenshot-dir ./shots  # In benutzerdefiniertes Verzeichnis speichern
agent-browser screenshot --screenshot-format jpeg --screenshot-quality 80
agent-browser pdf output.pdf          # Als PDF speichern

# Live-Vorschau / Streaming
agent-browser stream enable           # Runtime-WebSocket-Streaming auf einem automatisch gewählten Port starten
agent-browser stream enable --port 9223  # Bestimmten Localhost-Port binden
agent-browser stream status           # Aktivierten Status, Port, Verbindung und Screencasting prüfen
agent-browser stream disable          # Runtime-Streaming stoppen und .stream-Metadatendatei entfernen

# Zwischenablage
agent-browser clipboard read                      # Text aus Zwischenablage lesen
agent-browser clipboard write "Hallo, Welt!"     # Text in Zwischenablage schreiben
agent-browser clipboard copy                      # Aktuelle Auswahl kopieren
agent-browser clipboard paste                     # Aus Zwischenablage einfügen

# Dialoge (alert, confirm, prompt, beforeunload)
# Standardmäßig werden alert- und beforeunload-Dialoge automatisch akzeptiert, sodass sie den Agenten nie blockieren.
# confirm- und prompt-Dialoge erfordern weiterhin explizite Behandlung.
# Verwenden Sie --no-auto-dialog (oder AGENT_BROWSER_NO_AUTO_DIALOG=1), um die automatische Behandlung zu deaktivieren.
agent-browser dialog accept              # Dialog akzeptieren
agent-browser dialog accept "meine Eingabe"  # Prompt-Dialog mit Text akzeptieren
agent-browser dialog dismiss             # Dialog ablehnen/abbrechen
agent-browser dialog status              # Prüfen, ob ein Dialog aktuell geöffnet ist

# Diff (Seitenzustände vergleichen)
agent-browser diff snapshot                          # Aktuellen mit letztem Snapshot vergleichen
agent-browser diff snapshot --baseline before.txt    # Aktuellen mit gespeicherter Datei vergleichen
agent-browser diff screenshot --baseline before.png  # Visuellen Pixeldiff erstellen
agent-browser diff url <url1> <url2>                 # Zwei Seiten vergleichen
agent-browser diff url <url1> <url2> --wait-until networkidle  # Benutzerdefinierte Wartestrategie
agent-browser diff url <url1> <url2> --selector "#main"  # Auf Element eingrenzen

# Chat (KI-Natürlichsprachsteuerung)
agent-browser chat "öffne google.com und suche nach Katzen"  # Einmalige Anweisung
agent-browser chat                                        # Interaktiver REPL-Modus
agent-browser -q chat "fasse diese Seite zusammen"               # Leise (nur Text, keine Tool-Aufrufe)
agent-browser -v chat "fülle das Anmeldeformular aus"            # Ausführlich (Befehlsausgabe anzeigen)
agent-browser --model openai/gpt-4o chat "mache einen Screenshot"  # Modell überschreiben

Streaming

Jede Sitzung startet automatisch einen WebSocket-Stream-Server auf einem vom Betriebssystem zugewiesenen Port. Verwenden Sie agent-browser stream status, um den gebundenen Port und den Verbindungsstatus zu sehen. Verwenden Sie stream disable, um ihn zu beenden, und stream enable --port <port>, um ihn auf einem bestimmten Port wieder zu aktivieren.

Batch-Ausführung

Verwenden Sie IMMER batch, wenn 2+ Befehle nacheinander ausgeführt werden. Batch führt Befehle nacheinander aus, sodass abhängige Befehle (wie Navigieren, dann Screenshot) korrekt funktionieren. Jedes in Anführungszeichen gesetzte Argument ist ein separater Befehl.

# Navigieren und einen Snapshot erstellen
agent-browser batch "open https://example.com" "snapshot -i"

# Navigieren, Snapshot und Screenshot in einem Aufruf
agent-browser batch "open https://example.com" "snapshot -i" "screenshot"

# Klicken, warten, dann Screenshot
agent-browser batch "click @e1" "wait 1000" "screenshot"

# Mit --bail, um beim ersten Fehler anzuhalten
agent-browser batch --bail "open https://example.com" "click @e1" "screenshot"

Verwenden Sie nur einen einzelnen Befehl (nicht batch), wenn Sie die Ausgabe lesen müssen, bevor Sie den nächsten Befehl entscheiden. Beispielsweise müssen Sie snapshot -i als einzelnen Befehl ausführen, wenn Sie die Verweise lesen müssen, um zu entscheiden, worauf Sie klicken möchten. Nachdem Sie den Snapshot gelesen haben, bündeln Sie die restlichen Schritte.

Der Stdin-Modus wird auch für die programmatische Verwendung unterstützt:

echo '[["open","https://example.com"],["screenshot"]]' | agent-browser batch --json
agent-browser batch --bail < commands.json

Effizienzstrategien

Diese Muster minimieren Tool-Aufrufe und Token-Verbrauch.

--urls verwenden, um erneute Navigation zu vermeiden. Wenn Sie Links von einer Seite besuchen müssen, verwenden Sie snapshot -i --urls, um alle href-URLs im Voraus zu erhalten. Öffnen Sie dann jede URL direkt, anstatt auf Verweise zu klicken und zurück zu navigieren.

Einmal Snapshot, mehrfach handeln. Erstellen Sie niemals einen erneuten Snapshot derselben Seite. Extrahieren Sie alle benötigten Informationen (Verweise, URLs, Text) aus einem einzigen Snapshot und bündeln Sie dann die restlichen Aktionen.

Multi-Seiten-Workflow (z. B. „N Seiten besuchen und jeweils einen Screenshot machen“):

# 1. Alle URLs in einem Aufruf abrufen
agent-browser batch "open https://news.ycombinator.com" "snapshot -i --urls"
# Ausgabe lesen, um URLs zu extrahieren, dann jede direkt besuchen:
# 2. Ein Batch pro Zielseite
agent-browser batch "open https://github.com/example/repo" "screenshot"
agent-browser batch "open https://example.com/artikel" "screenshot"
agent-browser batch "open https://andere.com/seite" "screenshot"

Dieser Ansatz verwendet 4 Tool-Aufrufe statt 14+. Gehen Sie zwischen den Besuchen niemals zurück zur Listenseite.

Häufige Muster

Formularabsendung

# Navigieren und die Formularstruktur abrufen
agent-browser batch "open https://example.com/registrierung" "snapshot -i"
# Die Snapshot-Ausgabe lesen, um Formularverweise zu identifizieren, dann ausfüllen und absenden
agent-browser batch "fill @e1 \"Max Mustermann\"" "fill @e2 \"[email protected]\"" "select @e3 \"Bayern\"" "check @e4" "click @e5" "wait 2000"

Authentifizierung mit Auth-Vault (empfohlen)

# Anmeldedaten einmal speichern (verschlüsselt mit AGENT_BROWSER_ENCRYPTION_KEY)
# Empfohlen: Passwort über stdin übergeben, um Shell-Verlauf zu vermeiden
echo "pass" | agent-browser auth save github --url https://github.com/login --username user --password-stdin

# Mit gespeichertem Profil anmelden (LLM sieht niemals das Passwort)
agent-browser auth login github

# Profile auflisten/anzeigen/löschen
agent-browser auth list

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

ASoudy/AGS

Advanced JavaScript animation library skill for creating complex, high-performance web animations.

ASoudy/AGS

Astropy is the core Python package for astronomy, providing essential functionality for astronomical research and data analysis.

ASoudy/AGS

Build content-focused websites with Astro — zero JS by default, islands architecture, multi-framework components, and Markdown/MDX support.

ASoudy/AGS

One sentence - what this skill does and when to invoke it

ASoudy/AGS

Audit and fix animation performance issues including layout thrashing, compositor properties, scroll-linked motion, and blur effects. Use when animations stutter, transitions jank, or reviewing CSS/JS animation performance.

ASoudy/AGS

Internationalization and localization patterns. Detecting hardcoded strings, managing translations, locale files, RTL support.

ASoudy/AGS

Pull a YouTube video transcript into a queryable markdown vault with yt-dlp subtitle discovery, VTT cleanup, metadata frontmatter, and capture-seed stubs.

ASoudy/AGS

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios, and portfolios that convert visitors into opportunities.

ASoudy/AGS

Generates high-converting Next.js/React landing pages with Tailwind CSS. Uses PAS, AIDA, and BAB frameworks for optimized copy/components (Heroes, Features, Pricing). Focuses on Core Web Vitals/SEO.

ASoudy/AGS

AI-powered animation tool for creating motion in logos, UI, icons, and social media assets.

ASoudy/AGS

CRITICAL: Use for Makepad animation system. Triggers on: makepad animation, makepad animator, makepad hover, makepad state, makepad transition, "from: { all: Forward", makepad pressed, makepad 动画, makepad 状态, makepad 过渡, makepad 悬停效果

ASoudy/AGS

Comprehensive patterns for Next.js 14+ App Router architecture, Server Components, and modern full-stack React development.

ASoudy/AGS

Next.js App Router principles. Server Components, data fetching, routing patterns.

ASoudy/AGS

Expert integration of Supabase Auth with Next.js App Router

ASoudy/AGS

React and Next.js 14+ application development with App Router, Server Components, TypeScript, Tailwind CSS, and modern frontend patterns.

ASoudy/AGS

Best practices for Remotion - Video creation in React

ASoudy/AGS

Generate walkthrough videos from Stitch projects using Remotion with smooth transitions, zooming, and text overlays

ASoudy/AGS

Seek and analyze video content using Memories.ai Large Visual Memory Model for persistent video intelligence

ASoudy/AGS

Writes complete, structured landing pages optimized for SEO ranking, AEO citation, and visitor conversion. Activate when the user wants to write or generate a landing page for a product, service, or offer.

ASoudy/AGS

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

Verwandte Skills