agent-browser

oleh openai

CLI otomatisasi peramban untuk agen AI. Gunakan saat pengguna perlu berinteraksi dengan situs web, memverifikasi output server pengembangan, menguji aplikasi web, menavigasi halaman, mengisi formulir,…

npx skills add https://github.com/openai/plugins --skill agent-browser

Browser Automation with agent-browser

When a dev server is running or the user asks to verify, test, or interact with a web page, use agent-browser to automate the browser.

Core Workflow

Every browser automation follows this pattern:

  1. Navigate: agent-browser open <url>
  2. Snapshot: agent-browser snapshot -i (get element refs like @e1, @e2)
  3. Interact: Use refs to click, fill, select
  4. Re-snapshot: After navigation or DOM changes, get fresh refs
agent-browser open http://localhost:3000
agent-browser wait --load networkidle
agent-browser snapshot -i

Dev Server Verification

When a dev server starts, use agent-browser to verify it's working:

# After starting a dev server (next dev, vite, etc.)
agent-browser open http://localhost:3000
agent-browser wait --load networkidle
agent-browser screenshot dev-check.png
agent-browser snapshot -i

Command Chaining

Commands can be chained with &&. The browser persists between commands via a background daemon.

agent-browser open http://localhost:3000 && agent-browser wait --load networkidle && agent-browser snapshot -i

Essential Commands

# Navigation
agent-browser open <url>              # Navigate (aliases: goto, navigate)
agent-browser close                   # Close browser

# Snapshot
agent-browser snapshot -i             # Interactive elements with refs
agent-browser snapshot -i -C          # Include cursor-interactive elements
agent-browser snapshot -s "#selector" # Scope to CSS selector

# Interaction (use @refs from snapshot)
agent-browser click @e1               # Click element
agent-browser fill @e2 "text"         # Clear and type text
agent-browser type @e2 "text"         # Type without clearing
agent-browser select @e1 "option"     # Select dropdown option
agent-browser check @e1               # Check checkbox
agent-browser press Enter             # Press key
agent-browser scroll down 500         # Scroll page

# Get information
agent-browser get text @e1            # Get element text
agent-browser get url                 # Get current URL
agent-browser get title               # Get page title

# Wait
agent-browser wait @e1                # Wait for element
agent-browser wait --load networkidle # Wait for network idle
agent-browser wait --url "**/page"    # Wait for URL pattern
agent-browser wait 2000               # Wait milliseconds

# Capture
agent-browser screenshot              # Screenshot to temp dir
agent-browser screenshot --full       # Full page screenshot
agent-browser screenshot --annotate   # Annotated screenshot with numbered labels
agent-browser pdf output.pdf          # Save as PDF

# Diff (compare page states)
agent-browser diff snapshot           # Compare current vs last snapshot
agent-browser diff screenshot --baseline before.png  # Visual pixel diff

Common Patterns

Form Submission

agent-browser open http://localhost:3000/signup
agent-browser snapshot -i
agent-browser fill @e1 "Jane Doe"
agent-browser fill @e2 "jane@example.com"
agent-browser click @e5
agent-browser wait --load networkidle

Authentication with State Persistence

# Login once and save state
agent-browser open http://localhost:3000/login
agent-browser snapshot -i
agent-browser fill @e1 "$USERNAME"
agent-browser fill @e2 "$PASSWORD"
agent-browser click @e3
agent-browser wait --url "**/dashboard"
agent-browser state save auth.json

# Reuse in future sessions
agent-browser state load auth.json
agent-browser open http://localhost:3000/dashboard

Data Extraction

agent-browser open http://localhost:3000/products
agent-browser snapshot -i
agent-browser get text @e5
agent-browser get text body > page.txt

Visual Debugging

agent-browser --headed open http://localhost:3000
agent-browser highlight @e1
agent-browser record start demo.webm

Ref Lifecycle (Important)

Refs (@e1, @e2, etc.) are invalidated when the page changes. Always re-snapshot after:

  • Clicking links or buttons that navigate
  • Form submissions
  • Dynamic content loading (dropdowns, modals)
agent-browser click @e5              # Navigates to new page
agent-browser snapshot -i            # MUST re-snapshot
agent-browser click @e1              # Use new refs

Annotated Screenshots (Vision Mode)

Use --annotate for screenshots with numbered labels on interactive elements:

agent-browser screenshot --annotate
# Output: [1] @e1 button "Submit", [2] @e2 link "Home", ...
agent-browser click @e2

Semantic Locators (Alternative to Refs)

agent-browser find text "Sign In" click
agent-browser find label "Email" fill "user@test.com"
agent-browser find role button click --name "Submit"

JavaScript Evaluation

# Simple expressions
agent-browser eval 'document.title'

# Complex JS: use --stdin with heredoc
agent-browser eval --stdin <<'EVALEOF'
JSON.stringify(
  Array.from(document.querySelectorAll("img"))
    .filter(i => !i.alt)
    .map(i => ({ src: i.src.split("/").pop(), width: i.width }))
)
EVALEOF

Session Management

agent-browser --session site1 open http://localhost:3000
agent-browser --session site2 open http://localhost:3001
agent-browser session list
agent-browser close  # Always close when done

Timeouts and Slow Pages

agent-browser wait --load networkidle  # Best for slow pages
agent-browser wait "#content"          # Wait for specific element
agent-browser wait --url "**/dashboard"  # Wait for URL pattern
agent-browser wait 5000                # Fixed wait (last resort)

Lebih banyak skill dari openai

user-context
openai
Memuat atau mengelola preferensi perutean sumber daya tahan lama, logika orientasi, kemajuan pengaturan, dan registri lapisan semantik dari plugin Data Analytics.
official
notion-research-documentation
openai
Teliti konten Notion dan sintesis menjadi ringkasan terstruktur, laporan, atau perbandingan dengan kutipan. Cari dan ambil halaman Notion menggunakan kueri yang ditargetkan, lalu atur temuan berdasarkan tema dengan kutipan sumber sebaris dan bagian referensi. Pilih dari empat format keluaran (ringkasan cepat, ringkasan riset, perbandingan, laporan komprehensif) berdasarkan cakupan dan tujuan pengguna. Buat dan perbarui halaman Notion menggunakan templat bawaan; tautkan sumber secara langsung dan lacak perubahan saat informasi baru tiba...
official
rcsb-pdb-skill
openai
Kirim permintaan RCSB PDB yang ringkas untuk metadata inti, kueri API Pencarian, dan unduhan FASTA. Gunakan saat pengguna menginginkan ringkasan RCSB yang singkat; simpan JSON mentah atau…
official
pdf
openai
Pembacaan, pembuatan, dan validasi PDF dengan rendering visual dan pembuatan secara terprogram. Render halaman PDF ke PNG untuk inspeksi visual tata letak, spasi, dan tipografi sebelum pengiriman menggunakan Poppler (pdftoppm). Buat PDF secara terprogram dengan reportlab untuk pemformatan yang andal; ekstrak teks dan metadata dengan pdfplumber atau pypdf. Terapkan standar kualitas: tidak ada teks terpotong, elemen tumpang tindih, tabel rusak, atau artefak rendering; hanya tanda hubung ASCII, kutipan yang dapat dibaca manusia. Gunakan...
official
test-coverage-improver
openai
Improve test coverage in the OpenAI Agents JS monorepo: run `pnpm test:coverage`, inspect coverage artifacts, identify low-coverage files and branches, propose…
official
playwright
openai
Otomasi peramban berbasis terminal dengan snapshot elemen dan alur kerja UI interaktif. Beroperasi melalui skrip wrapper playwright-cli (memerlukan npx); mendukung mode headless dan headed untuk debugging visual. Alur kerja inti: buka halaman, ambil snapshot untuk referensi elemen stabil, berinteraksi menggunakan ref, ambil snapshot ulang setelah navigasi atau perubahan DOM. Termasuk pengisian formulir, klik, pengetikan, manajemen multi-tab, tangkapan layar/PDF, dan perekaman jejak untuk debugging alur. Referensi elemen (misalnya e3, e15)...
official
ukb-topmed-phewas-skill
openai
Ambil ringkasan PheWAS UKB-TOPMed yang ringkas untuk varian tunggal dengan menerima masukan rsID, GRCh37, atau GRCh38 dan menyelesaikannya ke kueri GRCh38 yang diperlukan. Gunakan ketika...
official
code-review-context
openai
Konteks yang terlihat oleh model
official