Agent-Browser 是什麼?Vercel Labs 開源的無頭瀏覽器 CLI,讓 AI 代理不靠截圖就能操作網頁
Agent-Browser 是什麼?Vercel Labs 開源突破 5.2 萬顆星的 Apache-2.0 無頭瀏覽器 CLI,讓 AI 代理不需頻繁傳送截圖就能精準點擊、填表與測試網頁。
以前讓 AI 代理操作網頁做自動化測試,最常見的做法是每執行一步就抓一張螢幕截圖,把整張圖丟給多模態模型判斷按鈕在哪裡,最後再送出座標點擊。這種方法不只慢到像在看幻燈片,光是一輪十步驟的表單測試,圖片 Token 費就能燒掉好幾美分。
由前端巨頭 Vercel Labs 開源的 Agent-Browser(vercel-labs/agent-browser)正在改寫這套流程。這款採用 Apache-2.0 授權的無頭瀏覽器命令列工具在 GitHub 上已經突破 52,786 顆星標,成為許多寫程式代理與自動化工作流的新寵。
Agent-Browser 並不是替人類工程師設計的測試框架,而是專為 AI 代理打造的無頭瀏覽器 CLI。它透過精簡的無障礙樹(Accessibility Tree)與元素參考編號,讓代理直接看懂頁面上有哪些按鈕、輸入框與連結,不必依賴龐大的圖片截圖或脆弱的 CSS 選擇器。
對於每天都在開發網頁應用、做端對端測試或跨站資料抓取的台灣工程師來說,這意味著 Claude Code、Codex 或任何終端機代理,都能用極低的 Token 成本與毫秒級反應速度,自己打開本機開發伺服器並把操作流程跑完一遍。接下來,我們拆解它的技術原理、與傳統 Playwright 的差異,以及實戰限制。
延伸閱讀:Browser-Use 邁入 1.0 時代:開源 AI 瀏覽器代理架構、BU 4.0 模型與計費實務解析

為什麼 Agent-Browser 比純截圖代理更省、更準?
傳統視覺瀏覽器代理依賴模型「看圖說故事」,只要網頁稍微捲動錯位、字體渲染模糊或遇到深色模式對比不足,模型就很容易點偏幾個像素而導致整個流程卡死。
Agent-Browser 改採語意快照機制。當代理執行導覽或查詢頁面狀態時,CLI 會把當前網頁的互動元素抽取成一份極簡的文字清單,並為每個可點擊按鈕或欄位分配一個短代碼(例如 @e1、@e2)。代理下達指令時,只需指定點擊哪個短代碼或填入哪段文字即可。
因為傳輸的是結構化的文字節點而非高解析度圖片,單一步驟的上下文消耗往往只有截圖模式的幾分之一,同時也能確保代理不會點到肉眼看不見的隱藏元素。
| 瀏覽器自動化方案 | 代理定位網頁元素的方式 | Token 消耗與反應速度 | 最適合的任務類型 |
|---|---|---|---|
| 傳統 Playwright 手寫腳本 | 工程師預先寫死 CSS/XPath 選擇器 | 不耗 AI Token,執行最快 | 介面固定不變的常態迴歸測試 |
| 純截圖視覺代理 | 每次傳整張網頁截圖給多模態模型 | 圖片 Token 昂貴,延遲較高 | 無法取得 DOM 結構的 Canvas 或遠端桌面 |
| Vercel Agent-Browser CLI | 精簡無障礙樹快照+短代碼參考 | 僅傳精簡文字樹,省錢且精準 | 寫程式代理即時除錯、動態網頁填表與測試 |
安裝門檻、執行環境與開銷分析
根據 Agent-Browser GitHub 官方專案的說明,開發者只需要本機安裝 Node.js 環境,就能透過一行指令啟動這個 CLI 工具,不需要額外申請雲端瀏覽器帳號,也沒有任何軟體授權費用。
硬體方面,因為底層運作的是標準無頭瀏覽器核心,一般 16GB 記憶體的筆電就能輕鬆跑起來,完全不依賴獨立顯示卡。對於沒有 GPU 的 CI/CD 建置伺服器或輕量雲端主機也非常友善,能直接整合進自動化測試管線。
在操作習慣上,由於它是純命令列介面,代理不需要在系統裡額外掛載複雜的 MCP 伺服器設定,只要代理本身具備執行終端機指令的權限(例如 Claude Code 或 OpenCode),就能立刻透過技能說明書學會使用 agent-browser 指令。更完整的整合規範與瀏覽器自動化背景,也可以參考 Vercel 官方工程部落格的相關技術分享。
延伸閱讀:Vercel UI SDK 登場:把 50 多種無障礙互動行為拆成積木,讓 AI 寫程式代理自己組介面、直接操作
實際導入時要注意的三個邊界
雖然無頭 CLI 模式速度極快,但它在實務上仍有幾個必須留意的限制。首先是「無障礙標籤品質」:如果目標網站的前端程式碼寫得很糟,按鈕全部用沒有文字與 ARIA 標籤的 <div> 硬湊,無障礙樹能抓出的語意資訊就會變少,代理依然可能找不到正確操作對象。
其次是「登入狀態與機器人驗證」。無頭瀏覽器預設是全新的空白工作階段,遇到需要手機簡訊驗證、雙重認證或嚴格反爬蟲檢查的商業網站時,自動化流程會直接被擋在門外,不適合用來硬闖第三方受保護網站。
因此,台灣團隊最適合把 Agent-Browser 用在「自己開發中的本機前端測試」、「內部管理後台自動化」以及「公開技術文件查詢」這類可控場景,效果會最穩定。
常見問題(FAQ)
Q1:Agent-Browser 跟 Playwright MCP 有什麼不同?
兩者目標相近,但 Agent-Browser 主打透過純 CLI 與極簡短代碼快照互動,讓具備 Shell 權限的寫程式代理能用更少 Token 與更簡單的指令完成操作,不一定需要額外設定 MCP 伺服器。
Q2:使用這個工具需要支付 Vercel 雲端費用嗎?
不需要。它是 Apache-2.0 授權的開源 CLI 工具,直接在你自己的電腦或伺服器上執行,完全免費。
Q3:它可以截圖給 AI 看嗎?
可以。雖然日常操作主打輕量文字快照以節省 Token,但當開發者需要代理檢查 CSS 排版跑版或視覺美感時,仍然可以下指令要求抓取截圖。
Q4:不懂寫程式的一般用戶也能用嗎?
它主要是設計給 AI 寫程式代理在終端機呼叫的底層工具,一般用戶建議搭配已經內建瀏覽器能力的整合型 AI 助理介面會比較直覺。
結語:前端除錯與代理網頁操作的輕量首選
讓寫程式代理「寫完前端程式碼後自己打開瀏覽器驗證」,是縮短開發除錯迴圈最有效的一步。Agent-Browser 拿掉了笨重的截圖傳輸包袱,讓代理能用極低成本精準操作自己開發的網頁。
如果你平常就用 Claude Code、Codex 或 OpenCode 開發網頁應用,今天就可以試著把 Agent-Browser 裝進本機環境,讓代理自己跑一次登入與表單送出測試,親自體會省下的 Token 與除錯時間。
歡迎免費訂閱 AI 郵報,每週追蹤更多實測工具教學與半導體產業動態。