Agent Browser

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

このスキルは以下のフレーズで自動起動します：

• 「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

| 機能 | 詳細 |

|------|------|

| ブラウザ自動化 | See references/browser-automation.md |

| AI スナップショットワークフロー | See references/ai-snapshot-workflow.md |

実行手順

Step 0: agent-browser の確認

# インストール確認
which agent-browser

# 未インストールの場合
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 "[email protected]"
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 | ★★★ | 第一選択。AI 向けスナップショットが強力 |

| 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: まず agent-browser を試し、うまくいかない場合のみ MCP ツールを使用。

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