agent-browser 是 vercel labs 开源的浏览器自动化命令行工具。它让 ai agent 能打开网页、读取页面里的交互元素、点击或输入，再检查操作结果。用一个具体任务理解它最直接。假设你想验证 example.com 上的 learn more 链接能否打开对应的说明页。
浏览器命令怎样配合
可以把任务拆成打开、观察、操作和验证四个阶段。打开页面后，浏览器会话保留当前网页。下一条命令就能查看同一个页面，读到链接、按钮或输入框的信息。找到目标以后，再让浏览器点击它。
其中的快照是一份页面结构的文字表示。它可以告诉助手有哪些链接、它们叫什么，以及本次快照给它们分配了什么引用。截图则保留页面的视觉状态。前者方便选择要操作的元素，后者方便查看结果的样子。
用一次网页跳转理解快照和引用
从页面名称找到可操作的链接
打开练习页后，浏览器返回标题 Example Domain。只读取交互元素时，本次输出列出了 Learn more 链接，并给出 e1。助手据此使用 @e1 发起点击。引用应从当前页面的实际输出获取，页面发生变化后要重新读取。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
用网址和标题确认操作结果
点击执行后，重新读取浏览器当前的网址和标题。本次网址指向 IANA 的 /help/example-domains，标题是 Example Domains。如果需要验证另一条链接，应该先查看跳转后的页面，确认此时有哪些可用元素。
哪些任务适合交给 agent-browser
网页测试中，可以先打开页面，点击导航项，再核对目标页面。验证表单时，可以按当前快照找到字段并输入测试值，提交后检查可见提示。需要保存检查结果时，也可以让浏览器把当前页面写成图片。
如果任务需要观察样式、元素重叠或视觉变化，应额外查看截图。对于跳转是否正确这类问题，可以直接核对 URL 和标题。
另一个典型任务是读取 Hacker News 的首页标题。助手先打开页面，获取包含链接的快照，再按任务需要提取前几条标题并整理成表格。
下一篇从安装 CLI 和浏览器开始，先把同一个练习页打开。
