agent-browser-cli

面向 Agent 的浏览器感知与控制 CLI，把真实 Chrome 会话变成可复用的标签页扫描、页面 JS、Cookie、CDP 和截图能力。

浏览器感知 · 页面控制 · Chrome 登录态复用 · CDP · 条件等待 · Agent Skill 集成

AI 一句话安装 · 手动安装 · Chrome 扩展 · 更新 · 卸载 · 友情链接

中文 | English

agent-browser-cli 是一个面向 Agent 的浏览器感知与控制工具。它通过 Chrome 扩展连接用户真实浏览器，保留登录态和 Cookie，提供标签页扫描、页面 JS 执行、Cookie 读取、CDP 控制、截图、文件上传、下拉框点击等能力。

本项目不是 Selenium / Playwright。它更适合在已有浏览器会话中辅助 Agent 精确读取页面和执行操作。

项目信息

• 当前版本：0.1.0
• 支持平台：Windows、macOS
• Python：建议 3.10+
• 浏览器：Chrome / Chromium，需加载 assets/tmwd_cdp_bridge

致谢

本项目的浏览器控制能力提取并改造自 GenericAgent 项目中的 Web 工具链，包括 TMWebDriver、simphtml 和 tmwd_cdp_bridge 扩展相关思路与实现。

感谢 GenericAgent 项目提供的浏览器桥接、页面简化、CDP 控制和实践 SOP。本仓库在此基础上做了面向独立使用和 CLI 调用的整理与增强。

AI 一句话安装

请阅读 https://github.com/sleepinginsummer/agent-browser-cli/blob/main/AI_INSTALL.md，按说明安装 CLI、加载 Chrome 扩展，并添加 `skills/agent-browser-cli/SKILL.md`。

改进内容

• 从 GenericAgent 中拆出浏览器控制能力，使用cli 提供给codex、claude code、opencode使用。GenericAgent浏览器插件不需要重新安装，可以共用同一个插件
• 避免每次命令都重新初始化浏览器连接。
• 新增启动锁，避免多个 CLI 并发启动时重复绑定底层端口。
• 增加skill：skills/agent-browser-cli/SKILL.md，提供ai参考使用。
• 若干优化，缩短命令执行时间

目录结构

.
├── agent_browser_cli.py          # 命令行入口
├── agent_browser_server.py       # 常驻 HTTP 服务
├── ga.py                         # web_scan / web_execute_js 入口
├── TMWebDriver.py                # 浏览器扩展 WebSocket / HTTP 桥
├── simphtml.py                   # 页面简化和 DOM diff
├── assets/tmwd_cdp_bridge/       # Chrome MV3 扩展
├── memory/                       # 浏览器工具 SOP
└── skills/agent-browser-cli/     #  skill

手动安装

cd /path/to/agent-browser-cli
python3 -m venv .venv
.venv/bin/python -m pip install -r requirements.txt

Chrome 扩展

加载扩展目录：

assets/tmwd_cdp_bridge

Chrome 需要至少打开一个正常网页标签页，不要只停留在 about:blank 或 chrome:// 页面。

快速自检

.venv/bin/python agent_browser_cli.py tabs
.venv/bin/python agent_browser_cli.py open https://www.baidu.com

成功时会返回：

{
  "ok": true,
  "result": {
    "status": "success",
    "metadata": {
      "tabs_count": 1
    }
  }
}

常用命令

README 只保留快速入口；完整命令和浏览器操作 SOP 见 skills/agent-browser-cli/SKILL.md。

.venv/bin/python agent_browser_cli.py tabs

更新

git pull
.venv/bin/python -m pip install -r requirements.txt
.venv/bin/python agent_browser_cli.py restart

如果 Chrome 扩展有更新，在 chrome://extensions 中重新加载 assets/tmwd_cdp_bridge 扩展。

当前扩展配置标识为：

const TID = '__agent_browser_cli_bridge_26c9f1';

如果你把 skill 安装到了 Codex/Agent 的全局目录，更新后同步复制：

mkdir -p ~/.agents/skills/agent-browser-cli
cp skills/agent-browser-cli/SKILL.md ~/.agents/skills/agent-browser-cli/SKILL.md

卸载

先停止常驻服务：

.venv/bin/python agent_browser_cli.py stop

然后按需清理：

rm -rf .venv
rm -f .agent-browser-cli.log .agent-browser-cli.lock
rm -rf ~/.agents/skills/agent-browser-cli

最后在 Chrome 扩展管理页中移除 TMWD CDP Bridge 扩展，或删除已加载的 assets/tmwd_cdp_bridge 扩展配置。

端口

• 18765：底层 TMWebDriver WebSocket，Chrome 扩展连接使用。
• 18766：底层 TMWebDriver HTTP /link，用于内部 master/remote 协议。
• 18767：外层 agent-browser-cli HTTP 服务，供 CLI 复用会话。

友情链接

• LINUX DO - 新的理想型社区

许可证

MIT License. See LICENSE.