Visionbasierte Browser-Automatisierung per CLI – LLM sieht Screenshot, klickt Koordinaten, wiederholt. Ohne Selektoren. Unterstützt Claude, Gemini, OpenAI, Ollama (lokal/kostenlos).
Das **browser-agent**-Skill von rajpra808 ist ein visionbasiertes CLI-Tool zur Browser-Automatisierung. Es funktioniert, indem ein LLM (z. B. Claude, Gemini, OpenAI oder ein lokales Ollama-Modell) einen Screenshot der aktuellen Seite erhält, die gewünschte Aktion erkennt und die entsprechenden Koordinaten zum Klicken oder Tippen zurückgibt. Der Agent wiederholt diesen Zyklus – Screenshot, Analyse, Aktion – bis die Aufgabe erledigt ist. Keine klassischen CSS/XPath-Selektoren oder DOM-Manipulation nötig. Dieses Skill ist besonders nützlich für Entwickler und QA-Ingenieure, die dynamische Web-Workflows ohne feste DOM-Strukturen automatisieren möchten. Es unterstützt mehrere LLM-Backends, darunter auch lokale Modelle über Ollama, sodass sensible Daten nicht das Gerät verlassen müssen. Die Einrichtung erfolgt über npm oder direktes Klonen des Repos von GitHub. Der Skill ist ideal für Aufgaben wie Formularausfüllung, Datenextraktion oder wiederkehrende Klick-Workflows.
npx skills add rajpra808/browser-agentInstalled? Explore more Produktivität & Zusammenarbeit skills: steipete/gemini, steipete/gh-issues, steipete/skill-creator · View all 6 →
Visionbasierte Browser-Automatisierung per CLI – LLM sieht Screenshot, klickt Koordinaten, wiederholt. Ohne Selektoren. Unterstützt Claude, Gemini, OpenAI, Ollama (lokal/kostenlos).
Quelle: https://github.com/rajpra808/browser-agent
Entdeckt während der täglichen awesomeskills.dev Agent-Skill-Jagd.
Gemini CLI one-shot prompts, summaries, generation, skills, hooks, MCP, or Gemma routing.
Fetch GitHub issues, select candidates, spawn background fix agents, open PRs, and optionally process PR review comments.
Create, edit, audit, tidy, validate, or restructure AgentSkills and SKILL.md files.
Search, install, update, sync, or publish agent skills with the ClawHub CLI and registry.
Delegate coding work to Codex, Claude Code, or OpenCode as background workers; not simple edits or read-only code lookup.
List, configure, authenticate, call, and inspect MCP servers/tools with mcporter over HTTP or stdio.