Agent Browser
agent-browser-io · Programação
O Agent Browser é uma ferramenta de automação de navegador que permite a um agente de IA conduzir um navegador web real do mesmo jeito que uma pessoa faria. Ela transforma páginas em wireframes ASCII compactos, assim o modelo lê links e botões como texto indexado em vez de analisar páginas inteiras de HTML bruto. Você pode usá-la dentro de um cliente MCP como o Cursor ou o Claude Desktop, integrá-la a um aplicativo Node com o Vercel AI SDK, ou testá-la pela linha de comando.
Sobre Agent Browser
O que é o Agent Browser
O Agent Browser é um pacote experimental da agent-browser-io que dá mãos e olhos aos agentes de IA na web. Em vez de extrair HTML estático, o agente abre um navegador ao vivo por meio do Playwright e então pede um wireframe: um mapa de texto enxuto em que cada elemento clicável recebe um número. O agente escolhe um número, e a ferramenta clica, digita ou rola por ele.
O ponto central é o custo em tokens. Uma página web completa pode queimar milhares de tokens em marcação que o modelo não precisa. Esse é o problema. Então o que o agente realmente vê? Um mapa de texto curto, não a página inteira. O wireframe reduz isso às partes que importam, o que mantém o agente dentro da sua janela de contexto em tarefas mais longas. É software inicial. O projeto se rotula como experimental, e sua última publicação foi a versão 0.3.0. Espere arestas.
O principal limite é a manutenção e o acabamento. O repositório é público e pequeno, então não há mesa de suporte se um site alvo mudar o layout e quebrar o seu fluxo. Você também precisa do Node 18 ou superior para executá-lo. Para projetos de hobby e criação de ferramentas, tudo bem. Para produção, pense duas vezes.
Primeiros passos
- Instale o pacote com
npm install @agent-browser-io/browserem um projeto com Node 18+. - Para usá-lo a partir de um assistente de IA, adicione o servidor MCP à configuração do seu cliente com o comando
npxe os argumentos["-y", "@agent-browser-io/browser", "mcp"], depois reinicie o cliente. - Faça o agente chamar primeiro a ferramenta
launch, já que navigate, click e o restante dependem de um navegador em execução. - Peça um wireframe para ver a página como elementos numerados, depois diga ao agente qual número clicar ou o que digitar.
- Para uso em código, crie o navegador com
new AgentBrowser(new PlaywrightBrowserBackend())e passecreateBrowserTools(browser)para uma chamada degenerateText.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de Agent Browser.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Desenvolvedores que criam agentes de IA
- Usuários do Cursor e do Claude Desktop
- Curiosos de QA e automação
Tarefas
- Ler e resumir páginas
- Preencher formulários e percorrer fluxos
- Investigações de várias etapas
Cenários
- Criar um bot de pesquisa interno que varre alguns sites e reporta de volta.
- Testar um fluxo web a partir de um script em vez de clicar nele à mão.
- Prototipar um recurso de agente em que você precisa de controle real do navegador, e não de uma simples requisição sem interface.
Principais recursos
Wireframes eficientes em tokens
O Agent Browser renderiza uma página como um mapa ASCII com elementos numerados, que é o núcleo de como economiza tokens. O agente lê rótulos como [11]upvote e escolhe o número em vez de carregar todo o DOM. Em uma página cheia, essa é a diferença entre algumas centenas de tokens e vários milhares, e essa folga permite que tarefas longas terminem em vez de perder o fio.
Controle real do navegador via Playwright
A ferramenta conduz um navegador de verdade por meio do Playwright. Isso é a clássica automação de navegador com Playwright, apontada para um agente em vez de um script de teste. Funciona em páginas que precisam de JavaScript, cookies ou de uma sessão ao vivo. Tudo o que uma pessoa pode clicar, o agente pode clicar. Não é um scraper sem interface fingindo ser navegador, o que importa quando um site bloqueia requisições simples.
Integração com MCP
O pacote traz um servidor MCP que você pode colocar no Cursor, no Claude Desktop ou em qualquer cliente MCP baseado em stdio. Uma entrada de configuração expõe todo o conjunto de ferramentas de navegador MCP, e o servidor fala JSON-RPC por stdin e stdout sem variáveis de ambiente extras. Se o seu assistente já usa MCP, esse é o caminho mais curto para dar um navegador a ele.
Ferramentas do Vercel AI SDK
Para código, createBrowserTools(browser) devolve um conjunto de ferramentas que você passa direto para generateText. O conjunto cobre launch, navigate, getWireframe, click, type, fill, dblclick, hover, press, select, check, uncheck, scroll, screenshot e close. Combina com o servidor MCP, então o comportamento é o mesmo não importa como você o chame.
CLI interativo
Você pode rodar o CLI para testes manuais com npx @agent-browser-io/browser ou com o binário agent-browser-cli após a instalação. Por que se dar ao trabalho? É o jeito mais rápido de conferir que um wireframe está certo. Confirme que os seletores caem onde você espera antes de se comprometer com um script.
Capturas ao lado dos wireframes
Quando você precisa ver os pixels de verdade, a ferramenta de captura registra a página como imagem. Simples assim. O wireframe cuida da estrutura e a captura cuida do detalhe visual, então você alterna conforme o agente precise ler ou olhar.
Prós e contras
Prós
- Os wireframes cortam o uso de tokens em tarefas com muitas páginas, o que mantém os agentes dentro da janela de contexto.
- Funciona com clientes MCP como o Cursor e o Claude Desktop por meio de um único bloco de configuração.
- Código aberto e gratuito, com todo o código no GitHub para qualquer um inspecionar ou bifurcar.
- Conduz um navegador Playwright real, então sites com muito JavaScript se comportam como se comportam para uma pessoa.
- O mesmo conjunto de ferramentas alimenta o servidor MCP e o caminho de código, então os resultados se mantêm consistentes.
Contras
- Marcado como experimental, e a última versão foi a 0.3.0, então as APIs ainda podem mudar sob os seus pés.
- Sem serviço hospedado nem suporte, o que significa que você depura os problemas sozinho.
- Exige Node 18+ e alguma configuração, então não é uma ferramenta de um clique para quem não programa.
- Páginas que mudam o layout podem quebrar um fluxo salvo, e você terá de reconstruir as etapas.
Perguntas frequentes
Ele permite que um agente de IA controle um navegador real para navegar, clicar, digitar e ler páginas. As pessoas o usam para criar bots de pesquisa, automatizar fluxos web e dar aos assistentes MCP a capacidade de navegar.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a Agent Browser.
Alternativas a Agent Browser
Forefront
Forefront · ProgramaçãoO Forefront é uma plataforma web para construir com IA de código aberto. Você ajusta os principais modelos de linguagem de código aberto com seus próprios dados, avalia o desempenho deles e os roda por uma API ou os exporta para hospedar por conta própria. Desenvolvedores que querem a conveniência de uma plataforma fechada, mas fazem questão de ser donos dos modelos e dos dados, são o público-alvo aqui.
Startkit
StartKit.AI · ProgramaçãoStartkit é um boilerplate para criar produtos de SaaS com IA e wrappers de IA. Pense nele como um boilerplate para startups de IA com as partes chatas já conectadas: autenticação, pagamentos com Stripe e Lemon Squeezy, limites de uso, e-mail transacional e um kit inicial de API de IA que conversa com OpenAI, Anthropic, Groq ou Llama. Você clona o repositório, define seu preço e começa pela parte do produto que as pessoas realmente pagam. Ele é feito em Next.js sobre React e Tailwind, então boa parte do código boilerplate já parece familiar.
Testim
Tricentis · ProgramaçãoO Testim é uma plataforma de automação de testes com IA para criar e executar testes de ponta a ponta em aplicações web, mobile e Salesforce. Ele se apoia no aprendizado de máquina para manter os testes estáveis quando uma interface muda, então as equipes gastam menos tempo consertando seletores quebrados. Nada mal para uma ferramenta de testes automatizados que você pode começar a usar hoje. Você cria testes gravando ações no navegador e depois adiciona JavaScript quando precisa de mais controle. É uma escolha sólida para equipes de QA ocupadas.