Repolode
keon

keon/browser-control

シェルベースのコーディングエージェント向けに、Chrome DevTools Protocol経由で実際のChromeを操作する小規模なRust製CLIです。

スター
3,152
フォーク
210
未解決の Issue
1
最終コミット
2 か月前

これは何?

browser-controlは、ブラウザーを一連のシェルサブコマンドとして操作できるRust製のコマンドラインツールです。ローカルのChromeを起動または接続し、@e1や@e2のような安定した要素参照を割り当てたページスナップショットを取得できます。その参照を使ってクリック、入力、文字入力、スクロール、アップロードを実行できます。対象にはCSSセレクターやx,y座標も指定できます。

このツールは、すでにシェルコマンドを実行できるコーディングエージェントを対象としています。高レベルのコマンドで表現できない操作は、raw evalコマンドやcdpコマンドから実行できます。バックグラウンドデーモンがイベント、ネットワーク、コンソールの履歴をメモリ上に保持し、コマンドが失敗すると、問題の診断に役立つ簡潔なトレースファイルをワークスペースディレクトリに書き出します。

ローカルのChromeに加えて、Browser Use、Steel、Hyperbrowser、Browserbase上のリモートセッションを開始・停止できます。また、環境変数で設定した、その他のCDP互換プロバイダーも利用できます。インストール方法はcargo install、ビルド済みバイナリ、ソースからのビルドです。

主な機能

  • 01スナップショットから取得できる安定した要素参照を、クリックや入力などの操作にそのまま使えます。
  • 02すべての機能をシェルサブコマンドとして実行でき、簡潔なテキストまたはJSONを出力します。
  • 03evalコマンドとcdpコマンドからraw CDPにアクセスでき、ヘルパーでラップされていない操作も実行できます。
  • 04バックグラウンドデーモンが直近のイベント、ネットワークリクエスト、コンソールメッセージを保持します。
  • 05コマンドが失敗すると、診断用のトレースをワークスペースディレクトリに書き出します。
  • 06同じコマンドでローカルのChromeとクラウドのブラウザープロバイダーを利用できます。

ユースケース

  • コーディングエージェントがシェルからWebページを調査し、操作できるようにする。
  • ログインやフォーム入力など、繰り返し実行するブラウザー操作をシェルパイプラインでスクリプト化する。
  • コマンドラインからBrowser UseやSteelなどのクラウドプロバイダーでブラウザーセッションを実行する。
  • 保存された失敗トレースを確認して、ブラウザー自動化の処理をデバッグする。

クイックスタート

  1. 1

    crates.io から CLI をインストールする

    cargo install browser-control-cli
  2. 2

    ワークスペースを作成し、サンプルページで Chrome を起動する

    browser-control init && browser-control launch https://example.com
  3. 3

    ページのスナップショットを取得して、操作可能な要素の ref を一覧表示する

    browser-control snapshot

使う前に知っておきたいこと

  • ローカルの Chrome または Chromium ビルドが必要です。リモートセッションの場合は、有料クラウドプロバイダーの API キーが必要です。
  • 短い名前がすでに使われていたため、crate の名前は browser-control-cli です。

収録されている特集

トピック

よくある質問

browser-control とは?
シェルベースのコーディングエージェント向けに、Chrome DevTools Protocol経由で実際のChromeを操作する小規模なRust製CLIです。 browser-controlは、ブラウザーを一連のシェルサブコマンドとして操作できるRust製のコマンドラインツールです。ローカルのChromeを起動または接続し、@e1や@e2のような安定した要素参照を割り当てたページスナップショットを取得できます。その参照を使ってクリック、入力、文字入力、スクロール、アップロードを実行できます。対象にはCSSセレクターやx,y座標も指定できます。
browser-control は無料で使えますか?ライセンスは?
browser-control は MIT ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
browser-control は今もメンテナンスされていますか?
半年以内に更新あり。browser-control の最終コミットは 2026年8月27日 です。
browser-control は何に使えますか?
コーディングエージェントがシェルからWebページを調査し、操作できるようにする。 ログインやフォーム入力など、繰り返し実行するブラウザー操作をシェルパイプラインでスクリプト化する。 コマンドラインからBrowser UseやSteelなどのクラウドプロバイダーでブラウザーセッションを実行する。 保存された失敗トレースを確認して、ブラウザー自動化の処理をデバッグする。
browser-control のインストール方法は?
crates.io から CLI をインストールする: cargo install browser-control-cli ワークスペースを作成し、サンプルページで Chrome を起動する: browser-control init && browser-control launch https://example.com ページのスナップショットを取得して、操作可能な要素の ref を一覧表示する: browser-control snapshot
browser-control はどこで入手できますか?
ソースコードとインストール手順は GitHub にあります:https://github.com/keon/browser-control

概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。

関連プロジェクト