前言
AI 大躍進時代，網頁應用的受眾從本來的活生生的使用者，逐漸轉向冷冰冰的 AI 代理。趨勢如此，本來的網頁輸出結構為了要滿足人的需求，那些厚重，描述性、裝飾性的動效就顯的多餘，用燃燒昂貴的 LLM token解析這些累贅的 HTML 也不符合經濟原則，因此誕生了 Agent Browser，從根本解決給 AI Agent 獲取資訊的需求，透過輕量化的返回結構，讓 AI Agent 能有效迅速的尋找定位資訊，以下就展開說明
安裝
官方 GitHub 連結https://github.com/vercel-labs/agent-browser
先安裝通用作業系統服務（以 Mac 為例）
npm install -g agent-browser
確認安裝成功
agent-browser --help
然後安裝對應的 SKILL
npx skills add vercel-labs/agent-browser
重新進入 Claude Code 就能看到對應的 Skills
使用前後比較
以前一篇內部服務的負載儀表板為例，使用前就是你我熟知的 HTML
使用後全面 CLI 化
這是說明的範例，先用 open 打開頁面，然候用 snapshot 萃取元素，再做後續的點擊的跟處理，例如
- 開啟: open
- 取得元素清單：snapshot
- 想怎麼樣就怎麼樣
跟 Claude Code 整合
到這邊就簡單了，一樣用自然語言或者指定 agent browser 技能，讓它去"看"網頁，或者執行 apply 過程中，LLM 自己知道有這技能，就自己驗證完成閉環了
結語
LLM 是有點聰明的大腦，要讓他多做點事就要多教他一點能耐，網頁爬取閱讀是其中資料獲取來源的重中之重，透過 Agent Browser 就能讓 LLM 更輕鬆愉快接上 WWW 的世界級數據庫。
再延伸一點想像，有腦子會處理，會幫我們寫程式，有手腳可以拿到網路世界的資料，就形成完美的懶人閉環，開發測試一手包，離懶人開發的理想目標就更近了！
