cli-anything-browser 是做什麼的？
使用 DOMShell MCP 伺服器進行瀏覽器自動化的命令列工具。使用檔案系統指令（ls、cd、cat、grep、click）導覽網頁。
安裝
先決條件
-
Node.js 和 npx（用於 DOMShell MCP 伺服器）：
# 從 https://nodejs.org/ 安裝 Node.js npx --version -
Chrome/Chromium 及 DOMShell 擴充功能：
- 在 Chrome 中安裝擴充功能
- 使用 CLI 前，請確保 Chrome 正在執行
-
Python 3.10+
安裝 CLI
cd browser/agent-harness
pip install -e .
指令群組
page — 頁面導覽
page open <url>— 導覽至指定 URLpage reload— 重新載入目前頁面page back— 在瀏覽歷程中向後導覽page forward— 在瀏覽歷程中向前導覽page info— 顯示目前頁面資訊
fs — 檔案系統指令（無障礙樹）
fs ls [path]— 列出指定路徑的元素fs cd <path>— 切換目錄fs cat [path]— 讀取元素內容fs grep <pattern> [path]— 搜尋文字模式fs pwd— 顯示目前工作目錄
act — 動作指令
act click <path>— 點擊元素act type <path> <text>— 在輸入框中輸入文字
session — 工作階段管理
session status— 顯示工作階段狀態session daemon-start— 啟動持久化守護行程模式session daemon-stop— 停止守護行程模式
使用範例
基本導覽
# 開啟頁面
cli-anything-browser page open https://example.com
# 探索結構
cli-anything-browser fs ls /
cli-anything-browser fs cd /main
cli-anything-browser fs ls
# 回到根目錄
cli-anything-browser fs cd /
搜尋與點擊
cli-anything-browser fs grep "Login"
cli-anything-browser act click /main/button[0]
填寫表單
cli-anything-browser act type /main/input[0] "[email protected]"
cli-anything-browser act click /main/button[0]
JSON 輸出
cli-anything-browser --json fs ls /
守護行程模式（更快的互動使用）
# 啟動持久化連線
cli-anything-browser session daemon-start
# 執行指令（使用持久化連線）
cli-anything-browser fs ls /
cli-anything-browser fs cd /main
# 完成後停止守護行程
cli-anything-browser session daemon-stop
互動式 REPL
cli-anything-browser
路徑語法
DOMShell 使用類似檔案系統的路徑來表示無障礙樹：
/ — 根目錄（文件）
/main — 主要地標
/main/div[0] — main 中的第一個 div
/main/div[0]/button[2] — 第一個 div 中的第三個按鈕
- 陣列索引為 0 基數：
button[0]是第一個按鈕 - 使用
..向上移動一層 - 使用
/表示根目錄
代理專用指引
用於解析的 JSON 輸出
所有指令都支援 --json 標記，用於機器可讀的輸出：
cli-anything-browser --json fs ls /
回傳：
{
"path": "/",
"entries": [
{"name": "main", "role": "landmark", "path": "/main"}
]
}
錯誤處理
CLI 為常見問題提供清晰的錯誤訊息：
- 找不到 npx：從 https://nodejs.org/ 安裝 Node.js
- 找不到 DOMShell：執行
npx @apireno/domshell --version - MCP 呼叫失敗：安裝 DOMShell Chrome 擴充功能
在執行指令前，請檢查 is_available() 的回傳值。
使用守護行程模式提升效率
對於需要執行多個指令的代理工作流程，請使用守護行程模式：
- 啟動守護行程：
cli-anything-browser session daemon-start - 執行指令：每個指令都重複使用 MCP 連線
- 停止守護行程：
cli-anything-browser session daemon-stop
這樣可以避免每個指令 1-3 秒的冷啟動開銷。
連結
安全考量
重要：在使用此 CLI 搭配 AI 代理時，請注意以下安全考量：
URL 限制
瀏覽器工具會在導覽前驗證所有 URL：
- 需要明確的協議：URL 必須包含
http://或https://協議（不接受像example.com這樣不含協議的 URL） - 封鎖的協議：
file://、javascript://、data://、vbscript://、about://、chrome://以及瀏覽器內部的協議 - 允許的協議：僅限
http://和https://（可透過CLI_ANYTHING_BROWSER_ALLOWED_SCHEMES設定） - 私有網路封鎖：可選，透過
CLI_ANYTHING_BROWSER_BLOCK_PRIVATE=true啟用（預設為停用）
DOM 內容風險
無障礙樹包含頁面上所有可見和隱藏的元素。惡意網站可能：
- 製作帶有誤導性文字的 ARIA 標籤（例如「忽略先前的指示」）
- 使用
aria-hidden元素注入使用者看不到的內容 - 建立會誤導導覽的混淆 DOM 結構
緩解措施：在與不受信任的網站互動時，請考慮：
- 使用
--json標記取得結構化輸出，較易於安全解析 - 在將 DOM 內容納入提示詞之前，先進行清理或過濾
- 將導覽限制在受信任的域名
私有網路存取
預設情況下，瀏覽器可以存取 localhost 和私有網路（192.168.x.x、10.x.x.x 等）。若要封鎖：
export CLI_ANYTHING_BROWSER_BLOCK_PRIVATE=true
cli-anything-browser page open http://localhost:8080 # 將被封鎖
工作階段隔離
多個瀏覽器工作階段共用同一個 Chrome 實例。Cookie 和驗證狀態可能會跨工作階段持續存在。對於敏感操作，請考慮：
- 使用 Chrome 的訪客模式或無痕模式
- 在每個工作階段之間清除 Cookie
- 為不同的安全環境使用不同的 Chrome 設定檔