agent-browser
agent-browser CLIを使ったブラウザ操作のガイド。Webページの操作、スクレイピング、スクリーンショット取得などブラウザ自動化が必要なときに参照する。「ブラウザで開いて」「Webページを操作して」「スクリーンショットを撮って」と言われたらこのスキルを使う。
SKILL.md.claude/skills/agent-browser/SKILL.md
GitHubagent-browser CLI ガイド
agent-browser はAIエージェント向けの高速ブラウザ自動化CLIツール。Bashツールから直接呼び出して使う。
基本ワークフロー
1. ページを開く → スナップショット → 操作 のループ
# ページを開く
agent-browser open "https://example.com"
# アクセシビリティツリーを取得(AI向け。@ref付きで要素を特定できる)
agent-browser snapshot -i # -i: インタラクティブ要素のみ
# @ref を使って要素を操作
agent-browser click @e2
agent-browser fill @e3 "入力テキスト"
# 操作後に再度スナップショットで状態確認
agent-browser snapshot -i
重要: 操作のたびに snapshot -i で現在の状態を確認すること。 ページの状態は操作ごとに変わるため、古い@refは無効になる可能性がある。
2. スナップショットのオプション
agent-browser snapshot # フルツリー
agent-browser snapshot -i # インタラクティブ要素のみ(推奨)
agent-browser snapshot -c # コンパクト(空の構造要素を除去)
agent-browser snapshot -d 3 # 深さ制限
agent-browser snapshot -s "#main" # CSSセレクタでスコープ限定
コマンドリファレンス
ナビゲーション
agent-browser open <url> # URLに移動
agent-browser back # 戻る
agent-browser forward # 進む
agent-browser reload # リロード
クリック・入力
agent-browser click <sel> # クリック(@ref またはCSSセレクタ)
agent-browser dblclick <sel> # ダブルクリック
agent-browser type <sel> <text> # テキスト入力(既存テキストに追加)
agent-browser fill <sel> <text> # クリア後に入力(フォーム向け)
agent-browser press <key> # キー押下(Enter, Tab, Control+a など)
agent-browser hover <sel> # ホバー
agent-browser check <sel> # チェックボックスON
agent-browser uncheck <sel> # チェックボックスOFF
agent-browser select <sel> <val> # ドロップダウン選択
情報取得
agent-browser get text <sel> # テキスト取得
agent-browser get html <sel> # HTML取得
agent-browser get value <sel> # input値取得
agent-browser get attr <name> <sel> # 属性取得
agent-browser get title # ページタイトル
agent-browser get url # 現在のURL
agent-browser get count <sel> # 要素数
agent-browser get box <sel> # 要素の位置・サイズ
要素の状態確認
agent-browser is visible <sel> # 表示されているか
agent-browser is enabled <sel> # 有効か
agent-browser is checked <sel> # チェックされているか
要素検索(find)
セマンティックなロケーターで要素を探してアクションを実行:
agent-browser find role button click --name "送信"
agent-browser find text "ログイン" click
agent-browser find label "メールアドレス" fill "test@example.com"
agent-browser find placeholder "検索..." fill "キーワード"
agent-browser find testid "submit-btn" click
スクリーンショット・PDF
agent-browser screenshot # 画面キャプチャ(デフォルトパス)
agent-browser screenshot ./shot.png # パス指定
agent-browser screenshot --full # フルページ
agent-browser pdf ./page.pdf # PDF保存
スクリーンショットを撮った後は Read ツールでファイルを読み取って画像を確認できる。
スクロール
agent-browser scroll down # 下にスクロール
agent-browser scroll up # 上にスクロール
agent-browser scroll down 500 # 500pxスクロール
agent-browser scrollintoview <sel> # 要素が見えるまでスクロール
待機
agent-browser wait <sel> # 要素が表示されるまで待機
agent-browser wait 2000 # 2秒待機
JavaScript実行
agent-browser eval "document.title"
agent-browser eval "document.querySelectorAll('a').length"
タブ管理
agent-browser tab list # タブ一覧
agent-browser tab new # 新しいタブ
agent-browser tab 2 # 2番目のタブに切替
agent-browser tab close # 現在のタブを閉じる
ネットワーク
agent-browser network requests # リクエスト一覧
agent-browser network requests --filter "api" # フィルタ
agent-browser network route "*/api/*" --abort # リクエストブロック
agent-browser network unroute # ルート解除
デバッグ
agent-browser console # コンソールログ表示
agent-browser errors # エラー表示
agent-browser highlight <sel> # 要素ハイライト
agent-browser trace start # トレース開始
agent-browser trace stop # トレース停止
ブラウザ設定
agent-browser set viewport 1280 720 # ビューポート設定
agent-browser set device "iPhone 15" # デバイスエミュレーション
agent-browser set media dark # ダークモード
agent-browser set offline on # オフラインモード
agent-browser set headers '{"Authorization":"Bearer xxx"}' # ヘッダー設定
セッション管理
agent-browser --session mywork open "https://example.com" # 名前付きセッション
agent-browser session list # セッション一覧
セッションを指定すると、同じブラウザコンテキスト(Cookie等)を維持できる。
よく使うパターン
Webページの内容を読み取る
agent-browser open "https://example.com"
agent-browser snapshot -c # コンパクトなツリーで内容確認
フォームに入力して送信
agent-browser open "https://example.com/form"
agent-browser snapshot -i
# スナップショットの@refを使って操作
agent-browser fill @e1 "名前"
agent-browser fill @e2 "email@example.com"
agent-browser click @e3 # 送信ボタン
agent-browser wait 2000
agent-browser snapshot -i # 結果確認
ログインが必要なサイト
agent-browser --session auth open "https://example.com/login"
agent-browser --session auth snapshot -i
agent-browser --session auth fill @e1 "username"
agent-browser --session auth fill @e2 "password"
agent-browser --session auth click @e3
# 以降も同じセッションを使い続ける
agent-browser --session auth open "https://example.com/dashboard"
スクリーンショットで視覚的に確認
agent-browser open "https://example.com"
agent-browser screenshot ./tmp_screenshot.png
# Readツールで画像を確認
オプション
| オプション | 説明 |
|---|---|
--session <name> |
セッション名(Cookie等を維持) |
--headed |
ブラウザウィンドウを表示(デバッグ用) |
--json |
JSON形式で出力 |
--full, -f |
フルページスクリーンショット |
--cdp <port> |
Chrome DevTools Protocolで接続 |
--headers <json> |
HTTPヘッダーを設定 |
--debug |
デバッグ出力 |
注意事項
- セレクタ:
@ref(スナップショットから取得)が最も確実。CSSセレクタも使える - セッション: 同じセッション名を使えばCookieやログイン状態を維持できる
- ヘッドレス: デフォルトはヘッドレスモード。
--headedで画面表示 - 初回実行: ブラウザ未インストールなら
agent-browser installを先に実行