Communitygithub.com

agent-browser

AIエージェント向けの高速ブラウザ自動化CLI。ページ移動、フォーム入力、ボタンクリック、スクリーンショット、データ抽出、Webアプリのテスト、あらゆるブラウザタスクを自動化します。

agent-browser とは？

agent-browserは、AIエージェント（Cursor、Claude Code、Codex、Continue、Windsurfなど）向けに設計された高速なブラウザ自動化CLIです。Chrome/ChromiumをCDP（Chrome DevTools Protocol）経由で制御し、アクセシビリティツリーのスナップショットとコンパクトな`@eN`要素参照を用いて、信頼性の高いUI操作を実現します。PlaywrightやPuppeteerに依存せず、Rust製のネイティブCLIとして高速に動作し、セッション管理、認証情報の保管、状態の永続化、動画録画などの機能を備えています。`agent-browser skills get core`コマンドで詳細なワークフローやトラブルシューティングを読み込めるため、バージョンに応じた最新の手順を常に利用できます。また、Electronアプリ、Slack、試験的探索テスト、Vercel Sandbox、AWS Bedrock AgentCoreなどの専門スキルも提供し、多様なブラウザタスクを効率的に自動化可能です。

対応✓Claude Code✓Codex CLI✓Cursor✓Windsurf
npx skills add https://github.com/vercel-labs/agent-browser/tree/main/skills/agent-browser
オリジナルを見る→すべてのスキルを見る

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

ドキュメント

agent-browser は何をしますか？

AIエージェント向けの高速ブラウザ自動化CLI。Chrome/ChromiumをCDP経由で制御し、アクセシビリティツリーのスナップショットとコンパクトな@eN要素参照を使用します。

インストール: npm i -g agent-browser && agent-browser install

はじめに

このファイルは発見用のスタブであり、使用ガイドではありません。agent-browserコマンドを実行する前に、CLIから実際のワークフローコンテンツを読み込んでください:

agent-browser skills get core             # ここから開始 — ワークフロー、一般的なパターン、トラブルシューティング
agent-browser skills get core --full      # 完全なコマンドリファレンスとテンプレートを含む

CLIはインストールされたバージョンに常に一致するスキルコンテンツを提供するため、手順が古くなることはありません。このスタブの内容はリリース間で変更できないため、skills get coreを参照するだけになっています。

専門スキル

タスクがブラウザのWebページの範囲外にある場合は、専門スキルを読み込んでください:

agent-browser skills get electron          # Electronデスクトップアプリ（VS Code、Slack、Discord、Figmaなど）
agent-browser skills get slack             # Slackワークスペースの自動化
agent-browser skills get dogfood           # 探索的テスト / QA / バグハント
agent-browser skills get derive-client     # HARを記録し、サイト用のスタンドアロンAPIクライアントを生成
agent-browser skills get vercel-sandbox    # Vercel SandboxマイクロVM内のagent-browser
agent-browser skills get protected-vercel-deployments  # 保護されたVercelデプロイメントにアクセス
agent-browser skills get agentcore         # AWS Bedrock AgentCoreクラウドブラウザ

agent-browser skills listを実行すると、インストールされたバージョンで利用可能なすべてのスキルを表示できます。

agent-browserの特長

  • Node.jsラッパーではない高速なネイティブRust CLI
  • あらゆるAIエージェント（Cursor、Claude Code、Codex、Continue、Windsurfなど）と連携可能
  • PlaywrightやPuppeteerに依存せず、Chrome/ChromiumをCDP経由で制御
  • アクセシビリティツリーのスナップショットと要素参照による信頼性の高い操作
  • セッション、認証ボールト、状態の永続化、動画録画
  • Electronアプリ、Slack、探索的テスト、クラウドプロバイダー向けの専門スキル

可観測性ダッシュボード

ダッシュボードはブラウザセッションとは独立してポート4848で実行され、https://dashboard.agent-browser.localhostのようなプロキシまたは転送URLからも開くことができます。エージェントはダッシュボードのオリジンに留まる必要があります。セッションタブ、ステータス、ストリームトラフィックは内部でプロキシされるため、セッションポートを公開する必要はありません。

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.

関連スキル

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