Web自動化やスクレイピング向けに、DevTools Protocol経由でChromeを操作するGoライブラリ。自動待機やブラウザのダウンロードに対応。
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
crates.io から CLI をインストールする
cargo install browser-control-cli - 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
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
階層型のツール振り分け、CDPブラウザプロキシ、サイトごとの情報メモを通じて、Claude CodeなどのローカルAIエージェントにWebアクセス機能を提供するAgent Skillです。
自律エージェント、インテリジェントなデータ抽出、大規模なWeb自動化に対応するAIネイティブなブラウザーエンジン。Rust製CLIとMCPをサポートします。
AIエージェントがログイン済みのブラウザー上でWebタスクを実行する、オープンソースのChrome/Edge拡張機能です。
AIエージェントによるWeb自動化を実行するための、ステルス機能、CAPTCHA解決、プロキシを備えたクラウドブラウザー基盤とPlaywrightベースのフレームワーク。
Playwrightと連携するAI搭載クエリ言語で、稼働中のWebサイトからデータを抽出・自動化するツールキット。SDKとREST APIも提供します。