Agent Browser
agent-browser-io · Programmation
Agent Browser est un outil d'automatisation de navigateur qui permet à un agent d'IA de piloter un vrai navigateur web comme le ferait une personne. Il transforme les pages en schémas ASCII compacts, ainsi le modèle lit les liens et les boutons comme du texte indexé au lieu d'analyser des pages entières de HTML brut. Vous pouvez l'utiliser dans un client MCP comme Cursor ou Claude Desktop, l'intégrer à une application Node avec le Vercel AI SDK, ou le tester depuis la ligne de commande.
À propos de Agent Browser
Qu'est-ce qu'Agent Browser
Agent Browser est un paquet expérimental d'agent-browser-io qui donne des mains et des yeux aux agents d'IA sur le web. Au lieu d'extraire du HTML statique, l'agent ouvre un navigateur en direct via Playwright, puis demande un schéma : une carte textuelle épurée où chaque élément cliquable reçoit un numéro. L'agent choisit un numéro, et l'outil clique, saisit ou fait défiler pour lui.
L'enjeu, c'est le coût en tokens. Une page web complète peut brûler des milliers de tokens en balisage dont le modèle n'a pas besoin. Voilà le problème. Alors que voit réellement l'agent ? Une courte carte textuelle, pas la page entière. Le schéma réduit cela aux parties qui comptent, ce qui garde l'agent dans sa fenêtre de contexte sur les tâches longues. C'est un logiciel jeune. Le projet se présente comme expérimental, et sa dernière publication était la version 0.3.0. Attendez-vous à des aspérités.
La principale limite, c'est la maintenance et le fini. Le dépôt est public et petit, donc il n'y a pas de support si un site cible change sa mise en page et casse votre flux. Il vous faut aussi Node 18 ou plus récent pour l'exécuter. Pour des projets de loisir et la création d'outils, c'est très bien. Pour la production, réfléchissez à deux fois.
Pour commencer
- Installez le paquet avec
npm install @agent-browser-io/browserdans un projet Node 18+. - Pour l'utiliser depuis un assistant d'IA, ajoutez le serveur MCP à la configuration de votre client avec la commande
npxet les arguments["-y", "@agent-browser-io/browser", "mcp"], puis redémarrez le client. - Faites d'abord appeler à l'agent l'outil
launch, car navigate, click et le reste dépendent d'un navigateur en cours d'exécution. - Demandez un schéma pour voir la page sous forme d'éléments numérotés, puis dites à l'agent quel numéro cliquer ou quoi saisir.
- Pour l'usage en code, créez le navigateur avec
new AgentBrowser(new PlaywrightBrowserBackend())et passezcreateBrowserTools(browser)dans un appel àgenerateText.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de Agent Browser.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Développeurs qui créent des agents d'IA
- Utilisateurs de Cursor et Claude Desktop
- Bidouilleurs en QA et automatisation
Tâches
- Lire et résumer des pages
- Remplir des formulaires et parcourir des flux
- Recherches en plusieurs étapes
Cas d'usage
- Créer un bot de recherche interne qui balaye quelques sites et rend compte.
- Tester un flux web depuis un script au lieu de cliquer dessus à la main.
- Prototyper une fonctionnalité d'agent où il vous faut un vrai contrôle du navigateur, pas une simple requête sans interface.
Fonctionnalités clés
Schémas économes en tokens
Agent Browser rend une page comme une carte ASCII avec des éléments numérotés, ce qui est le cœur de son économie de tokens. L'agent lit des libellés comme [11]upvote et choisit le numéro au lieu de charger tout le DOM. Sur une page chargée, c'est la différence entre quelques centaines de tokens et plusieurs milliers, et cette marge permet aux tâches longues d'aboutir plutôt que de perdre le fil.
Contrôle réel du navigateur via Playwright
L'outil pilote un vrai navigateur via Playwright. C'est l'automatisation de navigateur Playwright classique, pointée vers un agent au lieu d'un script de test. Il fonctionne sur les pages qui ont besoin de JavaScript, de cookies ou d'une session en direct. Tout ce qu'une personne peut cliquer, l'agent peut le cliquer. Ce n'est pas un extracteur sans interface qui joue au navigateur, ce qui compte quand un site bloque les requêtes simples.
Intégration MCP
Le paquet fournit un serveur MCP que vous pouvez glisser dans Cursor, Claude Desktop ou tout client MCP basé sur stdio. Une entrée de configuration expose tout l'ensemble des outils de navigateur MCP, et le serveur parle JSON-RPC via stdin et stdout sans variable d'environnement supplémentaire. Si votre assistant utilise déjà MCP, c'est le chemin le plus court pour lui donner un navigateur.
Outils du Vercel AI SDK
Côté code, createBrowserTools(browser) renvoie un ensemble d'outils que vous passez directement à generateText. L'ensemble couvre launch, navigate, getWireframe, click, type, fill, dblclick, hover, press, select, check, uncheck, scroll, screenshot et close. Il correspond au serveur MCP, donc le comportement reste le même quelle que soit la manière dont vous l'appelez.
CLI interactive
Vous pouvez lancer la CLI pour des tests manuels avec npx @agent-browser-io/browser ou le binaire agent-browser-cli après l'installation. Pourquoi s'en embêter ? C'est le moyen le plus rapide de vérifier qu'un schéma est correct. Confirmez que les sélecteurs tombent où vous l'attendez avant de vous engager dans un script.
Captures d'écran en complément des schémas
Quand vous avez besoin de voir les pixels réels, l'outil de capture prend la page en image. Tout simplement. Le schéma gère la structure et la capture gère le détail visuel, donc vous basculez selon que l'agent doit lire ou regarder.
Avantages et inconvénients
Avantages
- Les schémas réduisent l'usage des tokens sur les tâches riches en pages, ce qui garde les agents dans leur fenêtre de contexte.
- Fonctionne avec les clients MCP comme Cursor et Claude Desktop via un seul bloc de configuration.
- Open source et gratuit, avec tout le code sur GitHub pour que chacun l'inspecte ou le duplique.
- Pilote un vrai navigateur Playwright, donc les sites riches en JavaScript se comportent comme pour une personne.
- Le même ensemble d'outils anime le serveur MCP et le chemin de code, donc les résultats restent cohérents.
Inconvénients
- Marqué comme expérimental, et la dernière version était la 0.3.0, donc les API peuvent encore bouger sous vos pieds.
- Pas de service hébergé ni de support, ce qui veut dire que vous déboguez les problèmes vous-même.
- Nécessite Node 18+ et un peu de configuration, donc ce n'est pas un outil en un clic pour les non-développeurs.
- Les pages qui changent de mise en page peuvent casser un flux enregistré, et vous devrez reconstruire les étapes.
Questions fréquentes
Il permet à un agent d'IA de contrôler un vrai navigateur pour naviguer, cliquer, saisir et lire des pages. On l'utilise pour créer des bots de recherche, automatiser des flux web et donner aux assistants MCP la capacité de naviguer.
Contenus associés
Découvrez des outils, des compétences et des articles liés à Agent Browser.
Alternatives à Agent Browser
Forefront
Forefront · ProgrammationForefront est une plateforme web pour construire avec de l'IA open source. Elle vous laisse affiner les principaux modèles de langage open source sur vos propres données, évaluer leurs performances et les exécuter via une API ou les exporter pour les héberger vous-même. Les développeurs qui veulent le confort d'une plateforme fermée mais tiennent à rester propriétaires de leurs modèles et de leurs données sont le public visé ici.
Startkit
StartKit.AI · ProgrammationStartkit est un boilerplate pour créer des produits SaaS d'IA et des wrappers d'IA. Voyez-le comme un boilerplate de startup IA avec les parties ennuyeuses déjà branchées : authentification, paiements Stripe et Lemon Squeezy, limites d'usage, e-mail transactionnel et un kit de démarrage d'API IA qui parle à OpenAI, Anthropic, Groq ou Llama. Vous clonez le dépôt, fixez votre prix et attaquez la partie du produit pour laquelle les gens paient vraiment. Il repose sur Next.js au-dessus de React et Tailwind, donc une bonne partie du code boilerplate vous semble déjà familière.
Testim
Tricentis · ProgrammationTestim est une plateforme d'automatisation des tests dopée à l'IA, qui sert à créer et exécuter des tests de bout en bout sur des applications web, mobiles et Salesforce. Elle s'appuie sur l'apprentissage automatique pour garder les tests stables quand une interface change, alors les équipes passent moins de temps à réparer des sélecteurs cassés. Pas mal pour un outil de tests automatisés que vous pouvez utiliser dès aujourd'hui. Vous créez des tests en enregistrant des actions dans un navigateur, puis vous ajoutez du JavaScript quand vous avez besoin de plus de contrôle. C'est un choix solide pour une équipe QA bien occupée.