name: agent-browser
description: "Browser automation through the repo agent-browser CLI. Explicit helper for navigation, forms, screenshots, scraping, and web-app checks. Prefer Browser Use or Playwright when available. Do NOT load for: sharing URLs, embedding links, or editing screenshot files."
description-en: "Browser automation through the repo agent-browser CLI. Explicit helper for navigation, forms, screenshots, scraping, and web-app checks. Prefer Browser Use or Playwright when available. Do NOT load for: sharing URLs, embedding links, or editing screenshot files."
description-ja: "repo の agent-browser CLI でブラウザ操作を行う明示補助スキル。ページ遷移、フォーム、スクショ、スクレイピング、Webアプリ確認向け。利用可能なら Browser Use / Playwright を優先。URL共有、リンク埋め込み、スクショ画像編集には使わない。"
allowed-tools: ["Bash", "Read"]
user-invocable: false
disable-model-invocation: true
context: fork
argument-hint: "[url] [--headless]"
Agent Browser Skill
ブラウザ自動化を行うスキル。agent-browser CLI を使用して、UI デバッグ・検証・自動操作を実行します。
トリガーフレーズ
agent-browser が明示指定された時に使う補助スキル。以下は扱える操作の例であり、自動起動の条件ではない:
- 「ページを開いて」「URLを確認して」
- 「クリックして」「入力して」「フォームに」
- 「スクリーンショットを撮って」
- 「UIを確認して」「画面をテストして」
- "open this page", "click on", "fill the form", "screenshot"
機能詳細
実行手順
Step 0: agent-browser の確認
# インストール確認
which agent-browser
# インストールを明示依頼され、未インストールの場合のみ
npm install -g agent-browser
agent-browser install
Step 1: ユーザーのリクエストを分類
| リクエストタイプ | 対応アクション |
|---|
| URL を開く | agent-browser open <url> |
| 要素をクリック | スナップショット → agent-browser click @ref |
| フォーム入力 | スナップショット → agent-browser fill @ref "text" |
| 状態確認 | agent-browser snapshot -i -c |
| スクリーンショット | agent-browser screenshot <path> |
| デバッグ | agent-browser --headed open <url> |
Step 2: AI スナップショットワークフロー（推奨）
ほとんどの操作で、まずスナップショットを取得してから要素参照で操作します：
# 1. ページを開く
agent-browser open https://example.com
# 2. スナップショット取得（AI 向け、インタラクティブ要素のみ）
agent-browser snapshot -i -c
# 出力例:
# - link "Home" [ref=e1]
# - button "Login" [ref=e2]
# - input "Email" [ref=e3]
# - input "Password" [ref=e4]
# - button "Submit" [ref=e5]
# 3. 要素参照で操作
agent-browser click @e2 # Login ボタンをクリック
agent-browser fill @e3 "user@example.com"
agent-browser fill @e4 "password123"
agent-browser click @e5 # Submit
Step 3: 結果の確認
# 現在の状態をスナップショットで確認
agent-browser snapshot -i -c
# または URL を確認
agent-browser get url
# スクリーンショットを取得
agent-browser screenshot result.png
クイックリファレンス
基本操作
| コマンド | 説明 |
|---|
open <url> | URL を開く |
snapshot -i -c | AI 向けスナップショット |
click @e1 | 要素をクリック |
fill @e1 "text" | フォームに入力 |
type @e1 "text" | テキストを入力 |
press Enter | キーを押す |
screenshot [path] | スクリーンショット |
close | ブラウザを閉じる |
ナビゲーション
| コマンド | 説明 |
|---|
back | 戻る |
forward | 進む |
reload | リロード |
情報取得
| コマンド | 説明 |
|---|
get text @e1 | テキスト取得 |
get html @e1 | HTML 取得 |
get url | 現在の URL |
get title | ページタイトル |
待機
| コマンド | 説明 |
|---|
wait @e1 | 要素を待機 |
wait 1000 | 1秒待機 |
デバッグ
| コマンド | 説明 |
|---|
--headed | ブラウザを表示 |
console | コンソールログ |
errors | ページエラー |
highlight @e1 | 要素をハイライト |
セッション管理
複数のタブ/セッションを並列管理：
# セッションを指定
agent-browser --session admin open https://admin.example.com
agent-browser --session user open https://example.com
# セッション一覧
agent-browser session list
# 特定セッションで操作
agent-browser --session admin snapshot -i -c
MCP ブラウザツールとの使い分け
| ツール | 推奨度 | 用途 |
|---|
| agent-browser | ★★★ | 明示指定された CLI によるスナップショット操作 |
| chrome-devtools MCP | ★★☆ | Chrome が既に開いている場合 |
| playwright MCP | ★★☆ | 複雑な E2E テスト |
原則: ユーザー指定のブラウザ経路を優先する。指定がなければ利用可能な Browser Use / Playwright 等の経路を使い、agent-browser の導入を前提にしない。
注意事項
- agent-browser はヘッドレスモードがデフォルト
--headed オプションでブラウザを表示可能- セッションは明示的に
close するまで維持される
- 認証が必要なサイトはセッションを活用