TopGit
Đánh giá repo GitHub

agent-browser: CLI tự động hoá trình duyệt cho AI agent

vercel-labs/agent-browser
ATopGit review image for vercel-labs/agent-browser
Review by Topgit.dev for vercel-labs/agent-browser, with GitHub repository stats and README context.
Nhận định nhanh

agent-browser là một CLI viết bằng Rust cho phép AI agent điều khiển Chrome qua lệnh shell ngắn gọn, thay vì viết script Playwright hay Puppeteer. Snapshot accessibility kèm ref @e2 giảm chi phí token khi đưa trang vào prompt LLM, còn batch tránh khởi tạo tiến trình mới mỗi thao tác. Nó đáng dùng khi agent đã giao tiếp qua shell; nếu automation nằm trong một tiến trình Node, CLI round-trip chỉ thêm ma sát không cần thiết.

Sao
★ 52.9k
Fork
⑂ 3.7k
Ngôn ngữ
Rust
Giấy phép
Apache-2.0
Chủ đề
AI Tools
Cập nhật
Nov 2026
Trang chủ
GitHub

agent-browser là gì?

agent-browser là một CLI tự động hoá trình duyệt viết bằng Rust, được thiết kế để AI agent điều khiển một phiên Chrome từ dòng lệnh. Mỗi lệnh như open, snapshot, click @e2, hay fill @e3 "text" giao tiếp với một daemon chạy nền qua CDP, và lệnh snapshot trả về cây accessibility kèm các ref ngắn để agent nhắm đúng phần tử mà không cần viết CSS selector. Selector truyền thống như #submit vẫn hoạt động song song với mô hình dựa trên ref.

Năng lực cốt lõi: snapshot, ref và thực thi theo batch

  • ✓Snapshot cây accessibility gán ref ngắn như @e2 cho từng phần tử tương tác, để agent click theo ref thay vì đoán CSS selector.
  • ✓Chế độ batch chạy cả chuỗi lệnh trong một tiến trình duy nhất, dùng tham số dạng quoted hoặc pipe một mảng JSON qua stdin, giảm chi phí khởi động của việc gọi lệnh riêng lẻ nhiều lần.
  • ✓Các locator ngữ nghĩa find (find role, find text, find label, find testid, và nhiều hơn) cho những trường hợp ref từ snapshot chưa đủ.
  • ✓Chặn/theo dõi network qua network route, gồm chặn request, mock response bằng JSON, và ghi HAR với tuỳ chọn nội dung có thể cấu hình.
  • ✓Diff snapshot và screenshot (diff snapshot, diff screenshot, diff url) để so sánh trạng thái trang trước/sau một hành động hoặc giữa hai URL.
  • ✓Lệnh read lấy văn bản hoặc markdown thân thiện với agent từ một URL mà không cần mở Chrome, và tự tìm liên kết llms.txt nếu có.
  • ✓Tự động xử lý dialog alert và beforeunload theo mặc định, còn confirm/prompt vẫn cần gọi rõ dialog accept/dialog dismiss.
  • ✓Hỗ trợ nhiều tab và cửa sổ với id tab ổn định (t1, t2, ...) cùng label do người dùng đặt, vẫn giữ nguyên khi chuyển tab.
Số sao GitHub của repo này thay đổi thế nào theo thời gian. Nguồn: star-history.com.Xem lịch sử sao ↗

Cài đặt agent-browser

Cài đặt toàn cục bằng `npm install -g agent-browser`, sau đó chạy `agent-browser install` một lần để tải Chrome từ Chrome for Testing (kênh automation chính thức của Google) — các bản Chrome, Brave, Playwright, Puppeteer có sẵn sẽ được tự động phát hiện, nên daemon không cần Playwright hay Node.js khi chạy. Nếu muốn ghim phiên bản trong package.json, dùng `npm install agent-browser` thay vì cờ global. Người dùng macOS có thể `brew install agent-browser`, người dùng Rust dùng `cargo install agent-browser` — cả hai vẫn cần bước `agent-browser install` một lần. Trên Linux, chạy `agent-browser install --with-deps` để cài các thư viện trình duyệt hệ thống; lệnh này thoát với mã khác 0 nếu trình quản lý gói không cài được đủ mọi thư viện cần thiết. Build từ source cần Node.js 24+, pnpm 11+, và Rust: `pnpm install`, `pnpm build`, `pnpm build:native`, rồi `pnpm link --global`. `agent-browser upgrade` tự phát hiện bạn đã cài bằng cách nào và chạy đúng lệnh cập nhật tương ứng.

Chạy workflow tự động hoá trình duyệt đầu tiên

Một phiên làm việc điển hình là `agent-browser open example.com` để mở và điều hướng, `agent-browser snapshot` để lấy cây accessibility kèm ref, rồi `agent-browser click @e2` hoặc `agent-browser fill @e3 "[email protected]"` để thao tác trên đúng ref đó, tiếp theo là `agent-browser screenshot page.png` và `agent-browser close`. Click sẽ fail sớm nếu có phần tử khác — chẳng hạn banner consent hay modal — che mất điểm click của target; cách xử lý là giải quyết phần tử che phủ rồi lấy snapshot mới trước khi thử lại. Một lệnh, nhiều bước. Với luồng nhiều bước, `agent-browser batch "open https://example.com" "snapshot -i" "screenshot"` chạy tất cả trong một tiến trình, hoặc bạn có thể pipe một mảng JSON lệnh qua stdin với `--json`, thêm `--bail` để dừng ngay khi gặp lỗi đầu tiên. Screenshot mặc định ẩn thanh cuộn gốc để ảnh xuất ra đồng nhất; thêm `--hide-scrollbars false` nếu cần giữ thanh cuộn.

Điểm mạnh

  • ✓Snapshot cây accessibility với ref phần tử (@e2) thay thế việc đoán CSS selector dễ vỡ, còn selector truyền thống vẫn dùng được như phương án dự phòng khi bạn đã biết sẵn một selector.
  • ✓Chế độ batch và stdin JSON giảm chi phí khởi động tiến trình khi chạy nhiều lệnh nhỏ liên tiếp, hữu ích cho luồng script trong CI.
  • ✓Daemon tự phát hiện Chrome, Brave, Playwright hay Puppeteer có sẵn thay vì luôn ép tải thêm một trình duyệt thứ hai.
  • ✓Bộ công cụ debug sâu ngay từ đầu — ghi HAR, diff snapshot/screenshot/URL, profiler, bắt console/error — mà không cần ghép thêm tool riêng.
  • ✓`agent-browser upgrade` tự phát hiện bạn đã cài bằng cách nào (npm, Homebrew, Cargo) và chạy đúng lệnh cập nhật tương ứng.

Giới hạn và những điều cần lưu ý

  • △Chrome được tải qua Chrome for Testing ở lần chạy `agent-browser install` đầu tiên, một bước cài đặt thêm ngoài npm install mà Playwright/Puppeteer thuần không đòi hỏi theo cách tương tự.
  • △Mô hình dựa trên ref (@e2, @e3) phụ thuộc vào việc lấy snapshot mới trước mỗi hành động sau khi DOM thay đổi; ref cũ sau khi điều hướng hoặc bị phần tử che chặn là một kiểu lỗi có thật mà README nói rõ.
  • △Cài đặt trên Linux cần thư viện trình duyệt hệ thống qua `agent-browser install --with-deps`, và README nói lệnh này thoát với mã khác 0 nếu trình quản lý gói không cài đủ mọi thư viện.
  • △Đây là một CLI để gọi từ bên ngoài, không phải thư viện chạy cùng tiến trình — một agent Node hay Python muốn một API trình duyệt native trong tiến trình, như Playwright và Puppeteer cung cấp, sẽ phải quản lý một subprocess thay vì chỉ import package.

So sánh agent-browser với Playwright và Puppeteer

playwright — thư viện automation trình duyệt đầy đủ với API native cho Node/Python/Java/.NET, có test runner tích hợp và auto-waiting; chọn playwright khi automation của bạn sống ngay trong runtime ngôn ngữ của ứng dụng thay vì gọi ra ngoài qua shell. ↗puppeteer — automation library chỉ dành cho Node, tập trung vào Chrome/Chromium; gần với phạm vi Chrome-first của agent-browser hơn, nhưng vẫn là API chạy trong cùng tiến trình chứ không phải CLI có thể batch từ bất kỳ shell nào. ↗browser-use — thư viện Python nhắm tới việc để LLM điều khiển trình duyệt trực tiếp; trùng use case AI agent với agent-browser nhưng đến dưới dạng dependency Python thay vì một binary độc lập. ↗

Câu hỏi thường gặp

agent-browser có miễn phí và mã nguồn mở không?

agent-browser phát hành theo giấy phép Apache-2.0 và mã nguồn công khai trên GitHub tại vercel-labs/agent-browser, nên bạn cài và dùng miễn phí qua npm, Homebrew, hoặc Cargo. Repo không nhắc tới bất kỳ gói trả phí hay subscription riêng nào.

Yêu cầu hệ thống của agent-browser là gì?

Dùng agent-browser hàng ngày chỉ cần Chrome, được lệnh `agent-browser install` tự tải từ Chrome for Testing ở lần chạy đầu, dù bản Chrome, Brave, Playwright, hay Puppeteer có sẵn cũng được tự động phát hiện. Build agent-browser từ source thì cần Node.js 24+, pnpm 11+, và Rust.

Có thể dùng agent-browser với Python hoặc ngôn ngữ khác ngoài Rust không?

agent-browser là một binary CLI độc lập, không phải thư viện Rust để import, nên gọi từ Python, JavaScript, Ruby, hay một shell script đều theo cùng cách — qua subprocess hoặc lệnh batch pipe — không cần viết code Rust ở phía gọi.

agent-browser xử lý cookie và trạng thái đăng nhập trình duyệt thế nào?

agent-browser lưu và khôi phục phiên đăng nhập bằng state save và state load, liệt kê hoặc dọn state cũ bằng state list và state clean --older-than. Riêng cookie có thể import qua cookies set --curl, tự nhận diện file Copy-as-cURL, mảng JSON, hoặc header Cookie thô.

Khác biệt giữa agent-browser snapshot và selector truyền thống là gì?

Lệnh snapshot của agent-browser trả về cây accessibility của trang kèm ref ngắn như @e2 gán cho từng phần tử, để lệnh click @e2 tiếp theo nhắm đúng thứ vừa được chụp lại. Selector CSS truyền thống như #submit vẫn dùng được trong agent-browser, nhưng phụ thuộc vào markup không đổi, còn ref đến từ một lần đọc accessibility mới mỗi lần.

agent-browser có thể chặn và mock network request không?

agent-browser chặn request bằng network route, có thể huỷ hẳn bằng --abort, hoặc mock response body bằng --body, kể cả giới hạn theo loại resource như chỉ chặn script. Nó cũng ghi được file HAR đầy đủ qua network har start và network har stop.

Vấn đề mà agent-browser giải quyết

Các framework AI agent muốn điều khiển trình duyệt thường phải ghép một thư viện riêng theo ngôn ngữ (Playwright, Puppeteer) với logic tự viết để biến một DOM đang sống thành thứ LLM có thể suy luận được — bước này thường có nghĩa là đổ nguyên HTML vào prompt và chịu chi phí token, hoặc viết heuristic CSS selector dễ vỡ ngay khi markup trang thay đổi. agent-browser gộp cả hai vấn đề vào một CLI: snapshot trả về cây accessibility kèm ref ngắn thay vì HTML thô, và ref giữ ổn định suốt phiên thay vì phụ thuộc vào selector gắn chặt với một cấu trúc DOM cụ thể.

Trường hợp sử dụng tốt nhất

  • •Viết script đăng nhập rồi scrape một trang không có API công khai, dùng state save/state load để tái sử dụng cookie giữa các lần chạy.
  • •Cấp cho agent LLM một snapshot accessibility gọn nhẹ thay vì HTML thô, để agent quyết định bước click tiếp theo với ít token hơn.
  • •Chạy một chuỗi lệnh điều hướng/click/screenshot như một lệnh CLI duy nhất trong CI job hoặc cron script.
  • •Mock response network bằng network route --body để test frontend với dữ liệu fixture mà không cần backend thật.
  • •Ghi file HAR khi tải trang để debug xem ứng dụng thực sự đang gọi những request nào.

Ai nên dùng — và ai nên bỏ qua

Dùng agent-browser nếu bạn đang nối tầng tool của một AI agent với shell hệ điều hành — tool call kiểu LangChain, một agent loop tự viết, hay bất cứ thứ gì vốn đã kỳ vọng gọi một binary rồi parse output — và muốn điều khiển Chrome mà không phải kéo theo dependency trình duyệt của Node hay Python. Nó không hợp nếu automation của bạn đã là một bộ test Playwright hay Puppeteer sống trong codebase JS/TS; viết lại code test đang chạy tốt trong cùng tiến trình sang lệnh shell và ref mang lại rất ít giá trị ở đó.

Repo liên quan

Nguồn & ghi công

Dựa trên repository GitHub vercel-labs/agent-browser và README của repo.

Dữ liệu GitHub · đồng bộ lần cuối 15 thg 8, 2026Đánh giá bởi Henry
← Về TopGit

Vẫn đang phân vân về agent-browser?

Một cú bấm sẽ gửi câu hỏi kèm trang này cho AI — xem AI nói gì về agent-browser.

GitHub