browser
browserbase/skills
CLI コマンドを通じて、自然言語を使用して Web ブラウザの操作を自動化します。CAPTCHA の解決、住宅用プロキシ、セッションの永続化をサポートするローカルおよびリモートの Browserbase セッションに対応しています。
...すべて拡張しますブラウザ自動化
Claude と browse CLI を使用して、ブラウザの操作を自動化します。
セットアップの確認
ブラウザコマンドを実行する前に、CLI が利用可能であることを確認してください:
which browse || npm install -g browse
環境の選択(ローカル vs リモート)
CLI は、コマンドごとの明示的な環境フラグをサポートしています。何も指定しない場合、BROWSERBASE_API_KEY が設定されているときは次回のセッションが Browserbase に、そうでない場合はローカルにデフォルト設定されます。
ローカルモード
browse open <url> --local</url>は、クリーンで分離されたローカルブラウザを起動しますbrowse open <url> --auto-connect</url>は、すでに実行中のデバッグ可能な Chrome に接続します;デバッグ可能な Chrome が利用できない場合は--localを使用してくださいbrowse open <url> --cdp <port></port></url>は、特定の CDP ターゲットに接続します- 最適な用途:開発、localhost、信頼できるサイト、再現可能な実行
リモートモード(Browserbase)
browse open <url> --remote</url>は Browserbase セッションを起動します- ローカルフラグがない場合、
BROWSERBASE_API_KEYが設定されているときは Browserbase がデフォルトになります - 提供される機能:Browserbase ID、検証済みブラウザ、自動 CAPTCHA 解決、住宅用プロキシ、セッションの永続化
- リモートモードを使用すべき場合: 標的サイトがボット検出、CAPTCHA、IP レート制限、Cloudflare 保護を有している場合、または地理的に特定のアクセスを必要とする場合
- 認証情報は https://browserbase.com/settings で取得してください
どちらを選ぶべきか
- 反復可能なローカルテスト / クリーンな状態:
browse open <url> --local</url> - ローカルのログイン情報/クッキーの再利用:
browse open <url> --auto-connect</url> - シンプルなブラウジング(ドキュメント、ウィキ、公開 API):ローカルモードで十分です
- 保護されたサイト(ログイン壁、CAPTCHA、スクレイピング防止):リモートモードを使用してください
- ローカルモードがボット検出やアクセス拒否で失敗した場合:リモートモードに切り替えてください
コマンド
デーモン起動後、ほとんどのドライバコマンドはローカル、リモート、CDP セッション全体で機能します。
ナビゲーション
browse open <url> # URL に移動
browse open <url> --local # クリーンなローカルブラウザで URL に移動
browse open <url> --remote # Browserbase セッションで URL に移動
browse reload # 現在のページを再読み込み
browse back # 履歴を戻る
browse forward # 履歴を進む
</url></url></url>ページの状態(スクリーンショットよりスナップショットを優先)
browse snapshot # 要素参照付きのアクセシビリティツリーを取得(高速、構造化)
browse screenshot --path <path> # 視覚的なスクリーンショットを取得(低速、ビジョントークンを使用)
browse get url # 現在の URL を取得
browse get title # ページタイトルを取得
browse get text # テキストコンテンツを取得(全テキストには "body" を使用)
browse get html # 要素の HTML コンテンツを取得
browse get value # フォームフィールドの値を取得
</path>ページの状態を理解するためのデフォルトとして browse snapshot を使用してください。これは、操作に使用できる要素参照付きのアクセシビリティツリーを返します。レイアウト、画像、デバッグなど視覚的なコンテキストが必要な場合にのみ browse screenshot を使用してください。
操作
browse click <ref> # スナップショットからの参照で要素をクリック(例:@0-5)
browse type <text> # フォーカスされた要素にテキストを入力
browse fill <value> # 入力欄に入力;Enter が必要な場合は --press-enter を追加
browse select <values...> # ドロップダウンオプションを選択
browse press <key> # キーを押す(Enter、Tab、Escape、Cmd+A など)
browse mouse drag <fromx><fromy><tox><toy> # 1点から別の点へドラッグ
browse mouse scroll <x><y><deltax><deltay> # 座標でスクロール
browse highlight # ページ上の要素をハイライト
browse is visible # 要素が表示されているか確認
browse is checked # 要素がチェックされているか確認
browse wait <type> [arg] # 待機:load、selector、timeout
</type></deltay></deltax></y></x></toy></tox></fromy></fromx></key></values...></value></text></ref>セッション管理
browse stop # ブラウザデーモンを停止
browse status # デーモンの状態と解決されたモードを確認
browse tab list # 開いているすべてのタブをリスト
browse tab switch <index-or-target-id> # インデックスまたはターゲット ID でタブに切り替え
browse tab close [index-or-target-id] # タブを閉じる
</index-or-target-id>典型的なワークフロー
環境が重要な場合、最初のブラウザコマンドに --local、--remote、--auto-connect、または --cdp <port></port> を指定してください。
browse open <url> --local</url>またはbrowse open <url> --remote</url>— ページに移動browse snapshot— アクセシビリティツリーを読み取り、ページ構造を理解し、要素参照を取得browse click <ref></ref>/browse type <text></text>/browse fill <value></value>— スナップショットからの参照を使用して操作browse snapshot— アクションが成功したことを確認- 必要に応じて 3-4 を繰り返す
browse stop— 完了時にブラウザを閉じる
クイック例
browse open https://example.com
browse snapshot # ページ構造と要素参照を確認
browse click @0-5 # 参照 0-5 の要素をクリック
browse get title
browse stop
モード比較
| 機能 | ローカル | Browserbase |
|---|---|---|
| 速度 | より高速 | やや低速 |
| セットアップ | Chrome が必要 | API キーが必要 |
| 既存のローカルクッキーの再利用 | `browse open | N/A |
| 検証済みブラウザ | いいえ | はい(ID 経由の Browserbase 検証済みブラウザ) |
| CAPTCHA 解決 | いいえ | はい(自動 reCAPTCHA/hCaptcha) |
| 住宅用プロキシ | いいえ | はい(201 カ国、地理ターゲティング) |
| セッションの永続化 | いいえ | はい(コンテキスト経由でクッキー/認証が永続化) |
| 最適な用途 | 開発/シンプルなページ | 保護されたサイト、Browserbase ID + 検証済みアクセス、本番環境のスクレイピング |
ベストプラクティス
- ローカル戦略を意図的に選択する:クリーンな状態には
browse open <url> --local</url>、既存のローカル認証情報にはbrowse open <url> --auto-connect</url>、保護されたサイトにはbrowse open <url> --remote</url>を使用 - 操作の前に常に
browse openを実行する - ページ状態を確認するために
browse snapshotを使用する — 高速で要素参照を提供 - 視覚的なコンテキストが必要な場合のみスクリーンショットを取得する(レイアウト確認、画像、デバッグ)
- スナップショットからの参照を使用してクリック/操作する — 例:
browse click @0-5 - 完了時に
browse stopを使用して ブラウザセッションをクリーンアップし、環境のオーバーライドをクリア
トラブルシューティング
- 「アクティブなページがありません」:
browse stopを実行し、次にbrowse statusを確認します。まだ実行中と表示される場合は、pkill -f "browse.*daemon"でゾンビデーモンを強制終了し、その後browse openを再試行してください - Chrome が見つからない:Chrome をインストールし、すでにデバッグ可能な Chrome が実行中の場合は
browse open <url> --auto-connect</url>を使用するか、browse open <url> --remote</url>に切り替えてください - アクションが失敗する:利用可能な要素とその参照を確認するために
browse snapshotを実行 - Browserbase が失敗する:API キーが設定されていることを確認
リモートモードへの切り替え
CAPTCHA(reCAPTCHA、hCaptcha、Turnstile)、ボット検出ページ(「ブラウザを確認しています...」)、HTTP 403/429、コンテンツがあるはずのサイトで空のページが表示される場合、またはユーザーが要求した場合に、リモートモードに切り替えます。
シンプルなサイト(ドキュメント、ウィキ、公開 API、localhost)には切り替えないでください。
browse open <url> --local # クリーンで分離されたローカルブラウザ
browse open <url> --auto-connect # 既存のデバッグ可能な Chrome に接続
browse open <url> --remote # Browserbase セッション
</url></url></url>モードフラグはセッション開始時に適用されます。browse stop 後、次の起動は環境変数ベースの自動検出にフォールバックします。デーモン実行中は browse status を使用して、解決されたモードとターゲットを確認してください。
詳細な例については EXAMPLES.md を参照してください。API リファレンスについては REFERENCE.md を参照してください。
---
name: browser
description: Automate web browser interactions using natural language via CLI commands. Supports local and remote Browserbase sessions with CAPTCHA solving, residential proxies, and session persistence.
license: MIT
---
# Browser Automation
Automate browser interactions using the browse CLI with Claude.
## Setup check
Before running any browser commands, verify the CLI is available:
```bash
which browse || npm install -g browse
```
## Environment Selection (Local vs Remote)
The CLI supports explicit per-command environment flags. If you do nothing, the next session defaults to Browserbase when `BROWSERBASE_API_KEY` is set and to local otherwise.
### Local mode
- `browse open <url> --local` starts a clean isolated local browser
- `browse open <url> --auto-connect` attaches to an already-running debuggable Chrome; use `--local` when no debuggable Chrome is available
- `browse open <url> --cdp <port|url>` attaches to a specific CDP target
- Best for: development, localhost, trusted sites, and reproducible runs
### Remote mode (Browserbase)
- `browse open <url> --remote` starts a Browserbase session
- Without a local flag, Browserbase is also the default when `BROWSERBASE_API_KEY` is set
- Provides: Browserbase Identity, Verified browsers, automatic CAPTCHA solving, residential proxies, session persistence
- **Use remote mode when:** the target site has bot detection, CAPTCHAs, IP rate limiting, Cloudflare protection, or requires geo-specific access
- Get credentials at https://browserbase.com/settings
### When to choose which
- **Repeatable local testing / clean state**: `browse open <url> --local`
- **Reuse your local login/cookies**: `browse open <url> --auto-connect`
- **Simple browsing** (docs, wikis, public APIs): local mode is fine
- **Protected sites** (login walls, CAPTCHAs, anti-scraping): use remote mode
- **If local mode fails** with bot detection or access denied: switch to remote mode
## Commands
Most driver commands work across local, remote, and CDP sessions after the daemon starts.
### Navigation
```bash
browse open <url> # Go to URL
browse open <url> --local # Go to URL in a clean local browser
browse open <url> --remote # Go to URL in a Browserbase session
browse reload # Reload current page
browse back # Go back in history
browse forward # Go forward in history
```
### Page state (prefer snapshot over screenshot)
```bash
browse snapshot # Get accessibility tree with element refs (fast, structured)
browse screenshot --path <path> # Take visual screenshot (slow, uses vision tokens)
browse get url # Get current URL
browse get title # Get page title
browse get text <selector> # Get text content (use "body" for all text)
browse get html <selector> # Get HTML content of element
browse get value <selector> # Get form field value
```
Use `browse snapshot` as your default for understanding page state — it returns the accessibility tree with element refs you can use to interact. Only use `browse screenshot` when you need visual context (layout, images, debugging).
### Interaction
```bash
browse click <ref> # Click element by ref from snapshot (e.g., @0-5)
browse type <text> # Type text into focused element
browse fill <selector> <value> # Fill input; add --press-enter if Enter is needed
browse select <selector> <values...> # Select dropdown option(s)
browse press <key> # Press key (Enter, Tab, Escape, Cmd+A, etc.)
browse mouse drag <fromX> <fromY> <toX> <toY> # Drag from one point to another
browse mouse scroll <x> <y> <deltaX> <deltaY> # Scroll at coordinates
browse highlight <selector> # Highlight element on page
browse is visible <selector> # Check if element is visible
browse is checked <selector> # Check if element is checked
browse wait <type> [arg] # Wait for: load, selector, timeout
```
### Session management
```bash
browse stop # Stop the browser daemon
browse status # Check daemon status and resolved mode
browse tab list # List all open tabs
browse tab switch <index-or-target-id> # Switch to tab by index or target ID
browse tab close [index-or-target-id] # Close tab
```
### Typical workflow
If the environment matters, put `--local`, `--remote`, `--auto-connect`, or `--cdp <port|url>` on the first browser command.
1. `browse open <url> --local` or `browse open <url> --remote` — navigate to the page
2. `browse snapshot` — read the accessibility tree to understand page structure and get element refs
3. `browse click <ref>` / `browse type <text>` / `browse fill <selector> <value>` — interact using refs from snapshot
4. `browse snapshot` — confirm the action worked
5. Repeat 3-4 as needed
6. `browse stop` — close the browser when done
## Quick Example
```bash
browse open https://example.com
browse snapshot # see page structure + element refs
browse click @0-5 # click element with ref 0-5
browse get title
browse stop
```
## Mode Comparison
| Feature | Local | Browserbase |
|---------|-------|-------------|
| Speed | Faster | Slightly slower |
| Setup | Chrome required | API key required |
| Reuse existing local cookies | With `browse open <url> --auto-connect` | N/A |
| Verified browser | No | Yes (Browserbase Verified browser via Identity) |
| CAPTCHA solving | No | Yes (automatic reCAPTCHA/hCaptcha) |
| Residential proxies | No | Yes (201 countries, geo-targeting) |
| Session persistence | No | Yes (cookies/auth persist via contexts) |
| Best for | Development/simple pages | Protected sites, Browserbase Identity + Verified access, production scraping |
## Best Practices
1. **Choose the local strategy deliberately**: use `browse open <url> --local` for clean state, `browse open <url> --auto-connect` for existing local credentials, and `browse open <url> --remote` for protected sites
2. **Always `browse open` first** before interacting
3. **Use `browse snapshot`** to check page state — it's fast and gives you element refs
4. **Only screenshot when visual context is needed** (layout checks, images, debugging)
5. **Use refs from snapshot** to click/interact — e.g., `browse click @0-5`
6. **`browse stop`** when done to clean up the browser session and clear the env override
## Troubleshooting
- **"No active page"**: Run `browse stop`, then check `browse status`. If it still says running, kill the zombie daemon with `pkill -f "browse.*daemon"`, then retry `browse open`
- **Chrome not found**: Install Chrome, use `browse open <url> --auto-connect` if you already have a debuggable Chrome running, or switch to `browse open <url> --remote`
- **Action fails**: Run `browse snapshot` to see available elements and their refs
- **Browserbase fails**: Verify API key is set
## Switching to Remote Mode
Switch to remote when you detect: CAPTCHAs (reCAPTCHA, hCaptcha, Turnstile), bot detection pages ("Checking your browser..."), HTTP 403/429, empty pages on sites that should have content, or the user asks for it.
Don't switch for simple sites (docs, wikis, public APIs, localhost).
```bash
browse open <url> --local # clean isolated local browser
browse open <url> --auto-connect # attach to existing debuggable Chrome
browse open <url> --remote # Browserbase session
```
Mode flags are applied when a session starts. After `browse stop`, the next start falls back to env-var-based auto detection. Use `browse status` to inspect the resolved mode and target while the daemon is running.
For detailed examples, see [EXAMPLES.md](EXAMPLES.md).
For API reference, see [REFERENCE.md](REFERENCE.md).
browserをインストール
スキルファイルをダウンロードして、.claude/skills/ ディレクトリに展開してください。
ZIPをダウンロードリポジトリをクローンし、スキルファイルをプロジェクトにコピーしてください。
git clone https://github.com/browserbase/skills/tree/main/skills/browser # Copy SKILL.md to your .claude/skills/ directory
コピー





家
