browser-agent は何をしますか？
ビジョンベースのブラウザ自動化CLI — LLMがスクリーンショットを認識し、座標をクリック、繰り返します。セレクタは不要。Claude、Gemini、OpenAI、Ollama（ローカル/無料）に対応。
ソース: https://github.com/rajpra808/browser-agent
日々のawesomeskills.devエージェントスキルハント中に発見されました。
ビジョンベースのブラウザ自動化CLI。LLMがスクリーンショットを認識し、座標をクリック、繰り返します。セレクタは不要。Claude、Gemini、OpenAI、Ollama（ローカル/無料）に対応。
rajpra808/browser-agentは、LLMの視覚認識能力を活用したブラウザ自動化CLIツールです。従来のセレクタに依存せず、ブラウザのスクリーンショットをLLMに送信し、クリックすべき座標を決定させることで動作します。これにより、DOM構造が複雑なサイトや動的に変化するページでも安定して操作できます。主な対応LLMはClaude、Gemini、OpenAI、Ollamaで、ローカル実行も可能なため、無料で利用できる環境からAPIベースの高性能モデルまで幅広く選択できます。CLIベースのシンプルな操作性と、Vision APIを内部的に活用することで、従来のスクリプトベースの自動化が困難だったUIの自動操作を、人間のように視覚的に判断して実行できる点が最大の利点です。ターゲットユーザーは、テスト自動化、RPA、Webスクレイピングの効率化を求める開発者やAIエージェント開発者です。
npx skills add rajpra808/browser-agentInstalled? Explore more 生産性＆コラボレーション skills: steipete/gemini, steipete/gh-issues, steipete/skill-creator · View all 6 →
ビジョンベースのブラウザ自動化CLI — LLMがスクリーンショットを認識し、座標をクリック、繰り返します。セレクタは不要。Claude、Gemini、OpenAI、Ollama（ローカル/無料）に対応。
ソース: https://github.com/rajpra808/browser-agent
日々のawesomeskills.devエージェントスキルハント中に発見されました。
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.