agent-browser: cho AI agent điều khiển trình duyệt bằng dòng lệnh — hướng dẫn cài đặt và dùng

Tóm tắt nhanh
agent-browser là một công cụ dòng lệnh (CLI) viết bằng Rust, cho AI agent một trình duyệt để điều khiển từng lệnh một: mở trang, đọc nội dung dạng văn bản gọn, rồi bấm hoặc điền vào từng phần tử. Bạn cài bằng npm hoặc Homebrew, chạy thêm một lệnh để tải Chrome for Testing là dùng được. Với người đã quen mở terminal, việc cài khá nhẹ nhàng.
agent-browser là một công cụ dòng lệnh (CLI) viết bằng Rust, giúp AI agent điều khiển trình duyệt thật: mở trang web, đọc trang dưới dạng văn bản gọn, rồi bấm hoặc điền vào từng phần tử bằng lệnh shell. Mỗi lệnh ngắn một bước, trình duyệt vẫn mở giữa các lệnh nên agent làm tiếp được mà không phải bắt đầu lại.
Cách nó hoạt động khá dễ hình dung. Lệnh snapshot trả về trang web dưới dạng danh sách chữ, mỗi phần tử có một mã tham chiếu như @e1. Agent (hoặc chính bạn) nói "bấm vào @e1", đọc lại trang để kiểm tra kết quả, rồi làm bước tiếp theo. Không cần ảnh chụp màn hình để agent hiểu trang, nên gọn và nhanh hơn nhiều.
Repo này hợp với ai? Lập trình viên đang dựng agent cần thao tác web, dân văn phòng muốn giao cho trợ lý AI những việc lặp đi lặp lại trên trình duyệt, và người mới muốn thử tự động hoá web mà không phải viết kịch bản dài. Hiện repo có khoảng 50.425 sao và 3.511 fork, giấy phép Apache-2.0, và vẫn được cập nhật trong 3 tháng gần đây. Bạn có thể xem video ngắn bên dưới để thấy nó chạy thực tế trước khi cài.
vercel-labs/agent-browser
agent-browser là công cụ dòng lệnh viết bằng Rust, giúp AI agent mở web, đọc trang và bấm, điền, chụp màn hình từng bước qua lệnh shell.
I.agent-browser làm được gì
Đọc trang thành văn bản có mã tham chiếu. agent-browser snapshot -i chỉ liệt kê các phần tử tương tác (nút, link, ô nhập), mỗi cái có một ref. Lợi ích thực tế: agent tiêu tốn ít chữ hơn nhiều so với đọc toàn bộ HTML, nên nhanh hơn và rẻ hơn.
Thao tác trên trang bằng lệnh ngắn. README liệt kê các lệnh như click, dblclick, fill, type, press, hover, select, check, uncheck, scroll, drag, upload. Gần như mọi thao tác bạn làm bằng chuột và bàn phím đều có lệnh tương ứng.
Tìm phần tử nhiều cách. Ngoài ref, bạn dùng được CSS selector, văn bản, XPath và cách tìm theo ngữ nghĩa. Ví dụ README đưa ra: agent-browser find role button click --name "Submit".
Báo lỗi thật khi bấm không được. Nếu nút bị ẩn, bị vô hiệu, nằm ngoài khung nhìn hoặc bị che bởi thứ khác (như bảng đồng ý cookie), lệnh click sẽ thất bại thay vì báo thành công giả. Nhờ vậy agent biết mà xử lý, bạn không bị lừa là đã xong việc.
Chụp và lưu lại. Nhóm lệnh screenshot, pdf, record, download, diff giúp chụp màn hình, xuất PDF, quay lại thao tác, tải file và so sánh trang.
Gỡ lỗi và theo dõi. Có console, errors, network, trace, profiler, vitals và vài lệnh khác. Lập trình viên web sẽ thấy hữu ích khi kiểm tra trang.
Giữ phiên đăng nhập. Mỗi --session có một trình duyệt riêng. Có các lệnh session, state, auth, profiles để quản lý phiên và đăng nhập. Tài liệu của dự án có mục Security nói về auth vault, danh sách tên miền cho phép và chính sách hành động.
Nhiều kiểu trình duyệt. Mặc định là Chrome for Testing. Bạn cũng có thể nối vào một Chrome đang chạy (--cdp hoặc --auto-connect), chọn engine Lightpanda hoặc Obscura bằng --engine, điều khiển Mobile Safari trong iOS Simulator, hoặc dùng trình duyệt đám mây như Browserbase, Browserless, Browser Use, Kernel, AgentCore.
Gắn vào agent có sẵn. Công cụ có skill đi kèm cho agent, và có thể chạy như MCP server qua lệnh agent-browser mcp.
II.Cần chuẩn bị gì
- Hệ điều hành: README nói có bản chạy sẵn cho macOS (ARM64, x64), Linux (ARM64, x64, glibc và musl) và Windows (x64). Gói npm tự chọn đúng bản cho máy bạn.
- Node.js:
package.jsonyêu cầu Node từ 22.0.0 trở lên nếu bạn cài qua npm. - Trình duyệt: bạn không cần tự cài Chrome. Lệnh
agent-browser installsẽ tải Chrome for Testing về ở lần đầu. - Linux: nếu thiếu thư viện hệ thống cho trình duyệt, README gợi ý
agent-browser install --with-deps. - Tài khoản và API key: README không yêu cầu tài khoản hay key để dùng CLI. Chỉ khi bạn chọn trình duyệt đám mây (Browserbase, v.v.) thì mới cần xem tài liệu của nhà cung cấp đó.
- Phần cứng: tư liệu không nêu yêu cầu GPU hay cấu hình riêng.
- Muốn build từ mã nguồn: cần Node.js 24 trở lên, pnpm 11 trở lên và Rust. Người dùng thường không cần phần này.
III.Cài đặt từng bước
- Mở terminalDùng Terminal (macOS/Linux) hoặc PowerShell (Windows)
- Cài công cụnpm install -g agent-browser (hoặc brew install agent-browser)
- Tải trình duyệtagent-browser install, chỉ cần làm lần đầu
- Chạy thửMở example.com, đọc snapshot, bấm thử một phần tử
- Gắn vào agentThêm skill hoặc dòng hướng dẫn vào AGENTS.md
A.Mở terminal và kiểm tra Node
Trên Windows, bạn mở PowerShell. Trên macOS, mở ứng dụng Terminal. Trước khi cài bằng npm, kiểm tra Node đã đủ phiên bản chưa (cần từ 22 trở lên):
node --versionNếu số hiện ra nhỏ hơn 22, bạn cần cập nhật Node trước. Chỗ này người mới hay vấp nhất: lệnh npm báo lỗi vì Node quá cũ.
B.Cài agent-browser
Cách chính theo README:
npm install -g agent-browserChữ -g nghĩa là cài toàn cục, để bạn gõ agent-browser ở bất kỳ thư mục nào. Nếu dùng macOS và có Homebrew, bạn có thể cài bằng:
brew install agent-browserMuốn thử mà không cài gì, README có cách dùng npx:
npx agent-browser open example.comC.Tải trình duyệt
Sau khi cài xong, chạy lệnh này một lần để tải Chrome for Testing:
agent-browser installLần đầu sẽ mất một lúc vì phải tải trình duyệt. Trên Linux, nếu thiếu thư viện hệ thống, dùng:
agent-browser install --with-depsD.Chạy thử nhanh
Đây là chuỗi lệnh mẫu trong README:
agent-browser open example.com
agent-browser snapshot -i # interactive elements, each with a ref
agent-browser click @e1 # act on a ref from that snapshot
agent-browser get url # check the result
agent-browser closeGiải thích: open mở trang, snapshot -i liệt kê phần tử tương tác kèm ref, click @e1 bấm phần tử đầu tiên, get url cho biết địa chỉ trang hiện tại, close đóng trình duyệt. Phần sau dấu # là chú thích, bạn không cần gõ.
E.Gắn vào agent của bạn
README đưa ra hai cách. Cách thứ nhất là cài skill từ skills.sh:
npx skills add vercel-labs/agent-browserSkill này chỉ là một bản "mồi", bảo agent tự tải hướng dẫn đúng phiên bản bằng agent-browser skills get core. Cách thứ hai là thêm đoạn sau vào file AGENTS.md trong dự án của bạn:
Use `agent-browser` for browser automation. Before the first use, run
`agent-browser skills get core` and follow it.Nếu agent của bạn dùng MCP, README nói lệnh agent-browser mcp khởi động một MCP server qua stdio. Cách khai báo trong từng ứng dụng khách MCP thì tư liệu mình có chưa ghi, bạn xem mục MCP server trong tài liệu của dự án.
IV.Kiểm tra đã chạy được chưa
Chạy agent-browser open example.com, sau đó agent-browser snapshot -i. Theo README, kết quả cho trang example.com sẽ như thế này:
- link "Learn more" [ref=e1]Thấy dòng đó nghĩa là trình duyệt đã mở được, đọc được trang và gán ref cho phần tử. Tiếp theo chạy agent-browser click @e1 rồi agent-browser get url để xem địa chỉ đã đổi chưa. Xong thì agent-browser close.
Nếu gặp trục trặc, README nhắc có lệnh agent-browser doctor để chẩn đoán, chi tiết nằm ở trang Installation trong tài liệu dự án.
Người dùng chỉ nên dùng agent-browser trên các trang và tài khoản mà bạn được phép thao tác. Khi cho AI agent tự bấm và điền, hãy bắt đầu với trang thử hoặc tài khoản không quan trọng. Với trang có đăng nhập, đọc kỹ mục Security của dự án (auth vault, danh sách tên miền cho phép, chính sách hành động) trước khi giao việc thật.
V.Dùng vào việc thật
Các tình huống dưới đây là gợi ý dựa trên các lệnh có trong README. Tên tham số chi tiết của từng lệnh bạn xem bằng agent-browser <lệnh> --help.
A.Lập trình viên cho agent tự kiểm tra trang web vừa sửa
Bạn đang dùng một AI agent để sửa giao diện. Sau khi sửa xong, bạn muốn nó tự mở trang, thử bấm và xem có lỗi không. Thêm đoạn hướng dẫn vào AGENTS.md như ở phần cài đặt, rồi nhờ agent:
Mở trang local của dự án bằng agent-browser, bấm thử nút Đăng ký,
sau đó kiểm tra console và errors xem có lỗi nào không rồi báo lại.Các lệnh console và errors trong nhóm gỡ lỗi sẽ cho agent thấy lỗi trình duyệt. Kết quả: bạn nhận được báo cáo ngắn thay vì phải tự mở trang và kiểm tra từng chỗ.
B.Chủ shop theo dõi trang của đối thủ
Bạn bán hàng online và muốn mỗi sáng xem trang sản phẩm của một đối thủ đã đổi gì chưa. Bạn nhờ agent mở trang, chụp lại bằng screenshot và dùng lệnh diff để so sánh. README liệt kê diff trong nhóm Capture và có trang tài liệu riêng về Diffing.
Bạn không cần viết kịch bản dài, chỉ cần một vòng lặp: đọc trang, hành động, đọc lại để kiểm tra.
Ông T
Kết quả: một ảnh chụp và bản so sánh để bạn xem nhanh, không phải lướt từng trang bằng mắt.
C.Nhân viên văn phòng lưu trang thành PDF
Bạn thường phải lưu các trang báo cáo, hoá đơn hay bản tin về dạng PDF để nộp hồ sơ. Lệnh pdf trong agent-browser làm đúng việc này. Bạn mở trang bằng open, rồi chạy lệnh pdf (xem agent-browser pdf --help để biết cách đặt tên file). Nếu cần làm hàng loạt, nhờ agent lặp lại với danh sách địa chỉ bạn đưa. Kết quả: một thư mục PDF thay cho việc bấm Ctrl+P hàng chục lần.
D.Điền biểu mẫu lặp đi lặp lại
Bạn phải nhập cùng một kiểu dữ liệu vào một trang quản trị mỗi tuần. Bạn nhờ agent:
Dùng agent-browser mở trang quản trị, snapshot -i, điền các ô theo
bảng dữ liệu tôi đưa rồi dừng lại trước nút Gửi để tôi kiểm tra.Các lệnh fill, select, check lo phần điền. Việc bạn dặn agent dừng trước nút Gửi là một thói quen tốt, để người thật xác nhận bước cuối. README cũng có các lệnh confirm và deny trong nhóm Sessions and auth, dùng cho việc xác nhận hành động, chi tiết xem mục Security.
VI.Lỗi hay gặp và cách xử lý
Báo "agent-browser: command not found" hoặc npm lỗi khi cài. Thường do Node chưa đủ phiên bản (cần từ 22) hoặc terminal chưa nhận lệnh mới cài. Chạy node --version để kiểm tra, cập nhật Node nếu cần, rồi đóng và mở lại terminal.
Trình duyệt không khởi động được. Bạn có thể đã quên chạy agent-browser install ở lần đầu. Chạy lệnh đó. Trên Linux, thử agent-browser install --with-deps để cài thêm thư viện hệ thống. Vẫn lỗi thì chạy agent-browser doctor.
Click báo thất bại. Theo README, đây là hành vi có chủ ý: phần tử bị ẩn, bị vô hiệu, nằm ngoài khung nhìn hoặc bị che (ví dụ bảng cookie). Đóng thứ che đó, chụp snapshot mới rồi thử lại.
Ref cũ không còn đúng. Ref chỉ mô tả trang tại lúc chụp snapshot. Sau khi chuyển trang hoặc trang thay đổi, bạn phải snapshot lại rồi mới dùng ref mới.
Trình duyệt tự đóng sau một thời gian. README nói daemon sẽ đóng trình duyệt headless và thoát sau một giờ không có lệnh. Nếu bạn cấu hình lưu phiên (session persistence), trạng thái được lưu trước khi đóng. Cần giữ đăng nhập thì xem mục Sessions trong tài liệu.
VII.Có nên dùng không
Điểm mạnh. Cách làm đơn giản: mỗi bước một lệnh ngắn, đọc trang bằng văn bản gọn thay vì ảnh. Chạy được trên macOS, Linux và Windows. Có sẵn skill và MCP server nên gắn vào agent khá dễ. Giấy phép Apache-2.0, repo được cập nhật gần đây và có tài liệu riêng.
Giới hạn. Đây là công cụ dòng lệnh, nên bạn cần quen mở terminal. Nó là bộ "tay chân" cho agent chứ không phải một agent hoàn chỉnh: bạn vẫn cần một AI agent hoặc tự gõ lệnh. Với trang có nhiều lớp che, popup hay kiểm tra chống bot, bạn nên chuẩn bị tinh thần phải xử lý thêm. Tư liệu mình có chưa nói gì về mức độ vượt qua CAPTCHA, nên đừng mặc định là được.
Khi nào chọn cách khác. Nếu bạn chỉ cần lấy dữ liệu từ một trang đơn giản, một công cụ tải trang thông thường có thể đủ. Nếu bạn muốn một ứng dụng có giao diện bấm chuột, không đụng tới terminal, công cụ này chưa phải lựa chọn phù hợp. Còn nếu bạn đang xây agent cần thao tác web từng bước, đây là một ứng viên đáng thử.
Câu hỏi thường gặp
agent-browser có miễn phí không?
Repo dùng giấy phép Apache-2.0 và README không nói về phí dùng CLI. Nếu bạn chọn trình duyệt đám mây như Browserbase hay Browserless thì chi phí tính theo nhà cung cấp đó, tư liệu mình có chưa ghi bảng giá.
agent-browser chạy được trên Windows không?
Được. README nói có bản chạy sẵn cho Windows x64, bên cạnh macOS (ARM64, x64) và Linux (ARM64, x64). Gói npm sẽ tự chọn đúng bản cho máy của bạn.
Cài agent-browser cần Node phiên bản nào?
File package.json yêu cầu Node từ 22.0.0 trở lên. Nếu bạn muốn tự build từ mã nguồn thì cần Node.js 24 trở lên, pnpm 11 trở lên và Rust.
Có cần cài Chrome trước không?
Không bắt buộc. Lệnh agent-browser install sẽ tải Chrome for Testing về ở lần đầu. Bạn cũng có thể nối vào một Chrome đang chạy bằng --cdp hoặc --auto-connect.
Dùng agent-browser với Claude Code hay agent khác như thế nào?
README đưa hai cách: cài skill bằng npx skills add vercel-labs/agent-browser, hoặc thêm một đoạn hướng dẫn vào file AGENTS.md để agent tự chạy agent-browser skills get core. Với ứng dụng khách MCP, lệnh agent-browser mcp khởi động một MCP server qua stdio.
Cần GPU hay máy mạnh không?
Tư liệu mình có không nêu yêu cầu GPU hay cấu hình tối thiểu. Công cụ chủ yếu điều khiển trình duyệt qua Chrome DevTools Protocol, nên nhu cầu chủ yếu là chạy được trình duyệt.
Dữ liệu và đăng nhập của tôi có an toàn không?
README có nhắc tới các cơ chế như auth vault, danh sách tên miền cho phép, chính sách hành động và ranh giới nội dung trong trang tài liệu Security. Mình chưa có thông tin chi tiết hơn, nên bạn hãy đọc trang đó và thử trên tài khoản không quan trọng trước.


