Automação de navegador baseada em visão via CLI — o LLM vê a captura de tela, clica em coordenadas, repete. Sem seletores. Suporta Claude, Gemini, OpenAI, Ollama (local/grátis).
O **rajpra808/browser-agent** é uma ferramenta de automação de navegador inovadora que opera inteiramente por visão computacional, em vez de depender de seletores DOM tradicionais. Ela funciona como uma CLI que tira uma captura de tela da página atual, envia essa imagem para um modelo de linguagem de grande escala (LLM) e, em seguida, executa ações como clicar em coordenadas específicas ou digitar texto — tudo baseado na interpretação visual do LLM. Este ciclo de 'capturar, analisar, agir, repetir' permite que a ferramenta automatize fluxos de trabalho complexos mesmo em aplicações web altamente dinâmicas ou com seletor frágil. É particularmente útil para desenvolvedores e engenheiros de QA que precisam de automação robusta sem a manutenção constante de seletores. A ferramenta suporta uma ampla gama de LLMs, incluindo Claude, Gemini, modelos da OpenAI e modelos locais via Ollama, oferecendo opções pagas e gratuitas. Ideal para testes de regressão visual, preenchimento de formulários, navegação em websites modernos e qualquer cenário onde a automação tradicional baseada em seletores falha.
npx skills add rajpra808/browser-agentInstalled? Explore more Produtividade e Colaboração skills: steipete/gemini, steipete/gh-issues, steipete/skill-creator · View all 6 →
Automação de navegador baseada em visão via CLI — o LLM vê a captura de tela, clica em coordenadas, repete. Sem seletores. Suporta Claude, Gemini, OpenAI, Ollama (local/grátis).
Fonte: https://github.com/rajpra808/browser-agent
Descoberto durante a caça diária de agentes de skill em awesomeskills.dev.
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.