Vercel推出Agent Browser：让AI真能“动手”操作网页

你有没有想过，AI不仅能看懂网页内容，还能替你点按钮、填表单、提交订单？Vercel最近上线了一个叫Agent Browser的工具，让这个场景变成了现实。它不是一个聊天机器人，而是一个能直接控制浏览器的命令行工具，开发者只要写几行指令，AI就能像真人一样在网页上操作。

过去，想让程序自动操作网页，得写一堆代码，装ChromeDriver、配置Selenium、处理加载延迟……现在，Agent Browser把这一切都封装好了。安装完直接用，不用管浏览器驱动、不用配环境变量。你甚至不需要懂前端，只要告诉AI“去京东搜iPhone 15，找最低价，截图结果”，它就能真正在浏览器里完成这一整套动作。

调试看得见，跑任务静悄悄

开发时，你可以打开可视化模式，亲眼看着AI怎么点击、怎么输入、哪里卡住了——就像在看一个新手在操作电脑。调试好了，一键切换到后台模式，几十个任务并行跑，不弹窗、不占屏幕，适合做自动化测试、批量抓取商品价格、自动填写报销单这类重复性工作。

有开发者测试过：用它自动登录企业OA系统，填写月度工时表，再上传附件，全程无需人工干预，准确率接近98%。这在以前，要么靠RPA软件，要么得专门雇人做——现在，一个脚本就能搞定。

不拖后腿，只给关键信息

传统工具把整个网页源码一股脑丢给AI，动辄几万字，AI得从一堆无用标签里找按钮，慢还容易错。Agent Browser不一样——它只提取真正能点的元素：按钮、输入框、下拉菜单，连文字都只传可见部分。结果是，AI处理速度提升3倍以上，出错率下降近七成。

底层用Rust重写，启动快、内存占用低。同样的任务，用Python+Playwright可能要占用800MB内存，Agent Browser只要200MB左右。跑在树莓派或者云服务器上，都不卡顿。

不挑AI，谁都能用

你用Claude、Gemini、Copilot、Cursor，甚至本地部署的开源模型，都没关系。只要能调用命令行，就能接上Agent Browser。它不绑定任何AI服务商，也不需要API密钥——你用什么AI，它就听谁的。

有人已经把它和GitHub Copilot连起来，写个注释：“帮我订下周五下午3点从北京到上海的高铁二等座”，AI自动打开12306，选车次、填身份证、支付——整个流程走完，你连页面都没点过。

不是未来，是现在就能用

这不是概念演示。已经有团队用它做电商比价机器人，每天自动监控1000+商品价格，生成报表；有HR用它自动抓取招聘网站的岗位信息，整理成Excel；还有个人开发者用它做自己的“数字助手”，自动登录邮箱、下载附件、转发给指定人。

你不需要是程序员才能用。哪怕你只会复制粘贴命令，也有现成的模板：一键登录微信公众号后台、自动导出数据、定时提交表单……GitHub上已经有人分享了20多个实用脚本。

这不再是“AI能回答问题”，而是“AI能替你做事”。Vercel这次没搞花哨的模型，而是把工具做成了真正的杠杆——你动动嘴，它动手。

项目地址：https://github.com/vercel-labs/agent-browser