オプション

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
0
更新された時間 2026年9月30日

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。

  1. browse open <url> --local</url> または browse open <url> --remote</url> — ページに移動
  2. 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
  3. 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
  4. browse snapshot — アクションが成功したことを確認
  5. 必要に応じて 3-4 を繰り返す
  6. 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 --auto-connect` 使用時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

  1. 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
  2. 操作の前に常に browse open を実行する
  3. 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
  4. 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)
  5. 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
  6. 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。

GitHubで見る
---
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).

すべてのファイル

4件のファイル

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 コピー
クイックセットアップ: スキルフォルダを .claude/skills/ にコピーしてください。Claude はそのスキルを自動的に検出し、使用します。
リポジトリ browserbase/skills

関連スキル

github-code-search
更新された時間 2026年6月29日
drizzle-orm
更新された時間 2026年6月29日
prisma-client-api
更新された時間 2026年6月29日
clickhouse-io
更新された時間 2026年6月29日
OR