Mục Lục Hướng Dẫn
Hầu hết các công cụ tự động hóa trình duyệt được thiết kế cho con người: chúng trả về ảnh chụp màn hình hoặc một cục JSON DOM khổng lồ. Với AI agent, đó là một vấn đề — mỗi lần đọc trang lại tiêu tốn vài nghìn token, và agent phải đoán xem nên click vào đâu.
agent-browser của Vercel Labs đi theo hướng ngược lại: đưa trình duyệt vào agent dưới dạng một CLI Rust thuần túy, nơi mỗi bước là một lệnh shell ngắn và kết quả đọc trang là văn bản cực gọn. Repo hiện có hơn 51.000★ và tăng khoảng 4.200★ chỉ trong một tuần.
Vấn đề nó giải quyết
Một trang web trung bình khi dump DOM ra có thể ngốn 3.000–5.000 token. agent-browser trả về cây accessibility dạng văn bản, với mỗi phần tử có một mã tham chiếu như @e1, @e2 — chỉ khoảng 200–400 token. Agent chọn một ref, click, đọc lại trang, rồi lặp.
agent-browser open example.com
agent-browser snapshot -i
# - heading "Example Domain" [ref=e1]
# - link "More information..." [ref=e2]
agent-browser click @e2
agent-browser get url
agent-browser close
Điểm mấu chốt: ref mô tả trang tại thời điểm snapshot. Sau khi điều hướng hoặc DOM thay đổi, phải lấy snapshot mới — nếu không ref cũ có thể trỏ sai chỗ. Đây là quy tắc “inspect → act → verify” được thiết kế cứng vào công cụ.
Vòng lặp 3 bước
- Inspect:
snapshot -iliệt kê các phần tử tương tác, kèm ref. Có thể dùng thêm--deltađể chỉ trả phần thay đổi, hoặc--urlsđể hiện link đích. - Act:
click @e1,fill,type,press,select,check,scroll,drag,upload. Ngoài ref còn hỗ trợ CSS selector, text, XPath và locator ngữ nghĩa (find role button click --name "Submit"). - Verify:
get url,read, snapshot mới. Một cú click sẽ báo lỗi thay vì báo thành công nếu phần tử bị ẩn, bị disable, nằm ngoài viewport hoặc bị banner che — agent phải dọn vật cản rồi thử lại.
Kiến trúc: CLI + daemon
Mỗi lệnh được gửi tới một daemon chạy nền, daemon này điều khiển Chrome qua Chrome DevTools Protocol (CDP). Mỗi --session có daemon và browser riêng. Mặc định daemon sẽ đóng browser headless và thoát sau 1 giờ không có lệnh — tránh rò rỉ tiến trình. Browser có giao diện, Safari/iOS hoặc browser do người dùng đính kèm thì không bị tự đóng.
Chrome for Testing là browser mặc định. Bạn cũng có thể đính kèm Chrome đang chạy (--cdp, --auto-connect), dùng engine Lightpanda hoặc Obscura, điều khiển Mobile Safari trong iOS Simulator, hoặc dùng nhà cung cấp cloud như Browserbase, Browserless, Browser Use, Kernel, AgentCore.
Những tính năng đáng chú ý
| Nhóm | Công cụ / ý nghĩa |
|---|---|
| Skills cho agent | agent-browser skills get core nạp hướng dẫn dùng đúng với phiên bản CLI đang cài. Có thêm npx skills add vercel-labs/agent-browser để cài stub vào agent. |
| MCP server | agent-browser mcp chạy MCP qua stdio, có profile core giữ ngữ cảnh nhỏ hoặc --tools all để dùng đầy đủ 50+ lệnh. |
| Session & auth | profile, cookie, storage, auth vault, domain allowlist, action policy — cần cho agent chạy dài và đăng nhập. |
| Quan sát | record (WebM/MP4 30fps), stream, dashboard, diff, trace, profiler, vitals, a11y (axe-core), introspection React. |
| WebMCP | Khám phá và gọi các tool mà chính trang web cung cấp — hướng đi mới để agent thao tác web có cấu trúc hơn là bấm nút. |
| Saved flows | Thử nghiệm từ v0.42: ghi một tác vụ trình duyệt rồi phát lại, ưu tiên HTTP trực tiếp → request trong trang → phát lại lệnh. |
Gì mới trong các bản gần đây
- v0.43: snapshot hints — với control không có tên hoặc trùng tên, hiện thêm icon, file ảnh,
data-testid,name/idvà text của dòng/Item gần nhất; thêm Modern Web Guidance skill; sửa lệnh trên tab đã đóng. - v0.42: saved flows (thử nghiệm); MCP chỉ liệt kê đối số chung của từng tool; yêu cầu Node 22 trở lên.
- v0.41:
agent-browser mcp call <tool> '<json>'chạy một tool rồi in JSON — hợp runtime không giữ process giữa các lời gọi. - v0.38: snapshot persistent refs,
screenshot --if-changed, di chuyển chuột giống người, contact sheet cho video.
Cài đặt và dùng thử
npm install -g agent-browser
agent-browser install # tải Chrome for Testing (lần đầu)
# hoặc không cần cài
npx agent-browser open example.com
Homebrew: brew install agent-browser. Linux: agent-browser install --with-deps để cài luôn thư viện hệ thống. Có binary native cho macOS, Linux và Windows (x64). Dùng agent-browser doctor để chẩn đoán cài đặt.
Công cụ hoạt động với Claude Code, Cursor, GitHub Copilot, Codex, Gemini và OpenCode — nói chung là bất kỳ agent nào chạy được shell. Mình đã so sánh ba runtime đó trong bài trước; nếu bạn đang chọn runtime, đọc bài đó trước rồi quay lại đây.
Ai nên dùng?
- Agent cần duyệt web nhiều: tiết kiệm context nhờ snapshot dạng text.
- Cần tương tác deterministic: ref trỏ đúng phần tử, không phải đoán selector.
- Cần quan sát/gỡ lỗi: record, trace, vitals, a11y có sẵn.
- Chạy agent trên cloud/sandbox: có package
@agent-browser/sandboxvà tích hợp Vercel Sandbox, eve.
Lưu ý: bạn cần nắm rõ mô hình session/ref, và nên cấu hình domain allowlist cũng như action policy trước khi cho agent chạy tự do — đặc biệt với các trang có dữ liệu nhạy cảm.
Kết luận
agent-browser không cố làm “trình duyệt thông minh thay bạn”. Nó làm một việc khiêm tốn nhưng quan trọng: đưa trình duyệt về đúng định dạng mà agent đọc được — văn bản ngắn, ref rõ ràng, mỗi bước có thể kiểm chứng. Kết hợp với Agent Skills, bạn có một bộ khung khá hoàn chỉnh để giao tác vụ web cho AI mà vẫn kiểm soát được đầu ra. Xem thêm các skill sản xuất phim ngắn AI trên blog để thấy cách cùng một triết lý được áp dụng ở lĩnh vực khác.
Link repo: github.com/vercel-labs/agent-browser · Tài liệu: agent-browser.dev · Giấy phép Apache-2.0.
