企业官网建设流程全解析

1. 项目概述：agent-browser 不是“浏览器”，而是一套面向 AI Agent 的浏览器控制协议栈

“agent-browser 思路整理”这个标题看似平淡，实则直指当前 AI 工程落地中最硬的那块骨头——如何让大模型真正“看见”并“操作”网页。它不是 Chrome 插件，不是 Electron 应用，更不是又一个 Playwright 封装库；它是 Vercel Labs 提出的一种全新范式：将浏览器降维为可编程、可编排、可审计、可嵌入的“AI 原生执行单元”。我从 2023 年底开始在多个客户项目中深度集成 agent-browser，从电商比价 Agent 到金融监管合规爬虫，再到内部知识库自动归档系统，踩过所有坑、试过所有云服务、重写过三版状态同步逻辑。今天这篇整理，不讲概念，不画架构图，只说真实场景里你必须立刻明白的五件事。

第一，它彻底抛弃了“WebDriver 协议”的历史包袱。Selenium 和早期 Playwright 的核心瓶颈在于“驱动层抽象失真”——WebDriver 把浏览器当成一堆按钮和输入框的集合，而现代网页是 React/Vue 构建的动态状态机。agent-browser 直接对接 Chrome DevTools Protocol（CDP），这意味着它能拿到真实的 DOM 树、完整的 Accessibility Tree、React Fiber 节点、Web Vitals 指标，甚至能注入 init script 修改页面运行时行为。这不是“自动化”，这是“接管”。

第二，“@e1” 这类 ref 机制不是语法糖，而是解决 LLM 理解歧义的工程答案。传统 CSS 选择器在页面重渲染后极易失效，XPath 在 SPA 中更是灾难。agent-browser 的 snapshot 命令输出的不是 HTML 字符串，而是一个带唯一引用 ID 的语义化树结构。比如snapshot -i会返回：

- button "Submit" [ref=e2] [role=button] [enabled=true] - textbox "Email" [ref=e3] [role=textbox] [invalid=false]

LLM 只需记住@e2，后续所有 click/fill/get 操作都基于这个稳定 ID，完全规避 DOM 变化带来的定位漂移。我在做微信公众号后台自动发布 Agent 时，就靠这套机制扛住了微信新版后台频繁的 class 名哈希化更新。

第三，它的 CLI 设计本身就是一套“Agent 可读 API”。agent-browser click @e2这条命令，背后是 Rust 守护进程通过 WebSocket 向 CDP 发送Input.dispatchMouseEvent+DOM.querySelector+DOM.describeNode的完整链路。但对 LLM 来说，它只是“点击第二个交互元素”。这种设计让 Claude Code、Cursor、GitHub Copilot 等编码助手能直接理解并生成有效指令，无需额外训练或微调。我们团队曾对比测试：用同样 prompt 让 Claude 3.5 Sonnet 控制 Playwright 和 agent-browser，前者失败率 67%（因 selector 生成错误），后者失败率仅 12%（多为网络超时）。

第四，它原生支持“多会话隔离”与“状态持久化”的企业级需求。--session agent1启动的浏览器实例，其 cookies、localStorage、IndexedDB、Service Worker 缓存全部独立于--session agent2。这解决了多租户 Agent 并发执行时的身份混淆问题。更关键的是--session-name myapp机制：首次登录后，所有认证态自动加密保存到~/.agent-browser/sessions/myapp.json，下次启动直接复用，连 OAuth 重定向跳转都不需要。我们在为某银行构建智能投顾助手时，就是靠这个特性实现了“一次登录，全渠道复用”，避免了反复触发风控验证。

第五，它把安全控制从“事后补救”变成“事前声明”。--allowed-domains "bank.com,*.cdn.bank.com"不仅限制导航，还拦截所有跨域 fetch/XHR/WebSocket 请求；--action-policy ./policy.json可精确禁止eval、download、upload等高危操作；--content-boundaries会在所有输出前后加上<<<AGENT_OUTPUT>>>和<<<END_AGENT_OUTPUT>>>边界标记，防止 LLM 将网页内容误判为指令。这些不是可选项，而是生产环境部署的强制基线。我们曾因未启用--allowed-domains，导致某个新闻聚合 Agent 在解析恶意广告页时，被诱导向第三方域名发起 POST 请求，险些造成数据泄露。

所以，当你看到 “agent-browser” 这个词，别再把它当成一个工具，要理解成一种新的协作契约：大模型负责“想做什么”，agent-browser 负责“确保安全、稳定、可追溯地做到什么”。接下来的内容，我会用真实代码片段、参数计算过程、故障排查日志，带你一层层拆开这个契约的每一行条款。

2. 核心设计逻辑：为什么放弃 Playwright/WebDriver，选择 CDP 原生路径

2.1 CDP 与 WebDriver 的本质差异：从“模拟用户”到“接管渲染引擎”

很多开发者第一次接触 agent-browser 时，下意识会问：“它和 Playwright 有什么区别？”这个问题本身就有陷阱。Playwright 是 WebDriver 协议的现代实现，而 agent-browser 是 CDP 协议的 Rust 原生封装。这两者的技术栈根本不在同一维度。

WebDriver 的设计哲学是“模拟人类操作”：它定义了一套标准化的 HTTP 接口（如/session/{id}/element），由浏览器厂商提供对应的驱动程序（chromedriver）。当 Playwright 执行page.click('#submit')时，它实际发送的是：

POST /session/abc123/element HTTP/1.1 Content-Type: application/json {"using":"css selector","value":"#submit"}

然后等待 chromedriver 返回一个元素 ID，再发送：

POST /session/abc123/element/def456/click HTTP/1.1

这个过程存在三层抽象损耗：

• 协议层损耗：HTTP 请求/响应的序列化开销，尤其在 headless 模式下，每个操作都要经历 TCP 握手、JSON 解析、状态同步；
• 驱动层损耗：chromedriver 作为中间代理，需将 WebDriver 命令翻译为 CDP 命令，再转发给 Chrome，引入额外延迟和兼容性风险；
• 语义层损耗：WebDriver 只暴露findElement、click等原子操作，无法获取页面的语义化结构（如 ARIA role、accessible name），导致 LLM 难以理解“这个按钮的实际功能是什么”。

CDP 则完全不同。它是 Chrome 团队为 DevTools 开发的底层通信协议，基于 WebSocket，采用二进制高效的 JSON-RPC 2.0 格式。agent-browser 的 Rust 守护进程（daemon）直接与 Chrome 的 CDP 端点建立长连接，所有命令都在内存中完成序列化，无 HTTP 开销。更重要的是，CDP 暴露的是浏览器引擎的“真相”：

我在开发一个电商价格监控 Agent 时，就深刻体会到这种差异。目标网站使用 Next.js + ISR，商品详情页的“加入购物车”按钮在初始 HTML 中并不存在，而是在 JS 加载后动态注入。Playwright 的waitForSelector('#add-to-cart')经常超时，因为按钮 DOM 节点尚未创建。而 agent-browser 的wait --fn "document.querySelector('#add-to-cart') !== null"直接在浏览器上下文中执行 JS 判断，成功率从 78% 提升至 99.2%。

2.2 Rust 守护进程架构：为何必须放弃 Node.js 运行时

agent-browser 的安装包里包含一个agent-browser二进制文件，它由 Rust 编译而成。这个设计绝非为了“炫技”，而是解决了一个致命痛点：Node.js 的单线程事件循环与浏览器自动化任务的 I/O 密集型特征严重冲突。

想象这样一个典型 Agent 流程：

1. agent-browser open https://shop.example.com/product/123
2. agent-browser wait --load networkidle
3. agent-browser snapshot -i
4. agent-browser get text @e1（获取商品标题）
5. agent-browser screenshot product.png

如果每个步骤都启动一个新的 Node.js 进程（如npx playwright），那么：

• 步骤 1 需要启动 Node.js 解释器（约 80ms）、加载 Playwright 库（约 120ms）、建立浏览器连接（约 200ms）；
• 步骤 2-5 重复上述过程，总启动开销超过 2 秒；
• 更糟的是，Chrome 浏览器实例在每次命令后都会被销毁，导致无法复用 DNS 缓存、TLS 会话、HTTP/2 连接池，网络请求耗时倍增。

agent-browser 的 Rust 守护进程（daemon）彻底规避了这个问题。首次执行任何命令时，Rust 二进制文件会：

• 启动一个轻量级守护进程（内存占用 <15MB）；
• 该进程内置 Chromium 下载器，自动从https://googlechromelabs.github.io/chrome-for-testing/获取最新版 Chrome for Testing；
• 守护进程通过 CDP 与 Chrome 建立长连接，并维护一个全局会话池；
• 后续所有 CLI 命令（agent-browser click @e2）都只是向守护进程发送一个轻量 JSON-RPC 请求，守护进程直接转发给 Chrome，整个过程在毫秒级完成。

我们做过压测：在 AWS Lambda 上，agent-browser 执行 10 次连续操作的平均耗时为 1.8 秒（含首次启动），而同等功能的 Playwright 脚本平均耗时为 4.3 秒。这 2.5 秒的差距，在高频调用的 Agent 场景中，直接决定了 QPS（每秒查询数）能否达到业务要求的 50+。

提示：守护进程默认在空闲 5 分钟后自动退出。若你的 Agent 需要长时间保活，务必设置AGENT_BROWSER_IDLE_TIMEOUT_MS=3600000（1 小时），否则第二次调用会遭遇ECONNREFUSED错误。这个值不能设得过大，否则在容器化环境中会导致僵尸进程堆积。

2.3 Ref ID 机制的工程实现：如何让 LLM 理解“那个按钮”

Ref ID（如@e2）是 agent-browser 最具革命性的设计，它解决了 LLM 在网页自动化中最核心的“指代消解”（Coreference Resolution）难题。传统方案让 LLM 生成 CSS 选择器，本质上是让它“猜”元素的位置，而 Ref ID 是让它“记住”元素的身份。

其工作流程分为三步：

第一步：Snapshot 生成语义化树执行agent-browser snapshot -i时，agent-browser 向 Chrome 发送 CDP 命令：

{ "method": "Accessibility.getFullAXTree", "params": { "includeRoot": true, "fetchRelatives": true } }

Chrome 返回的不是原始 DOM，而是经过 Accessibility API 渲染的语义化树。agent-browser 的 Rust 代码会遍历此树，为每个满足条件的节点（role为button/link/textbox/checkbox等）分配一个递增的 ref ID（e1,e2,e3...），并附带可读性描述：

{ "nodes": [ { "nodeId": "123", "role": {"value": "button"}, "name": {"value": "立即购买"}, "properties": [ {"name": "enabled", "value": {"booleanValue": true}}, {"name": "invalid", "value": {"booleanValue": false}} ] } ] }

最终输出为：

- button "立即购买" [ref=e1] [enabled=true] [invalid=false]

第二步：Ref ID 绑定到 DOM 节点agent-browser 并不存储 DOM 节点的内存地址（这在跨进程通信中不可行），而是利用 CDP 的DOM.resolveNode和DOM.describeNode命令，将 ref ID 与一个稳定的“节点路径”绑定。这个路径由以下信息构成：

• 节点在 Accessibility 树中的层级位置（如/1/2/3）；
• 节点的backendNodeId（CDP 内部唯一标识）；
• 节点的frameId（用于 iframe 场景）。

当 LLM 发出agent-browser click @e1时，agent-browser 会：

1. 根据@e1查找缓存的节点路径；
2. 发送DOM.resolveNode获取当前节点的objectId；
3. 发送DOM.describeNode确认节点仍存在且可交互；
4. 若节点已消失（如被覆盖），则返回详细错误：“@e1covered by <div#consent-banner>”，明确告知 LLM 需先处理弹窗。

第三步：LLM 的提示词工程适配仅仅有 Ref ID 不够，LLM 必须被明确告知如何使用它。我们在 AGENTS.md 中强制规定：

## Browser Automation Protocol 1. ALWAYS use `agent-browser snapshot -i --json` to get interactive elements with refs. 2. NEVER generate CSS selectors like "#submit". ALWAYS use refs like "@e1". 3. After any page change (navigation, form submit), re-run `snapshot -i` to refresh refs. 4. If a ref fails with "covered by", first interact with the covering element, then re-snapshot.

这个规则被硬编码进所有 Agent 的 system prompt。实践证明，当 LLM 的输出被严格约束在@eX的语法空间内时，其指令生成的准确率提升 40%，且错误类型高度集中（90% 为“需 re-snapshot”），极大简化了错误恢复逻辑。

3. 核心实操环节：从零搭建一个可交付的电商比价 Agent

3.1 环境准备与可信部署：绕过所有“Hello World”陷阱

在生产环境部署 agent-browser，第一步不是写代码，而是建立可信的运行时沙箱。我见过太多团队在本地跑通 demo 后，上线就崩溃，根源全在环境配置的细节上。以下是经过 12 个客户项目验证的最小可行清单：

操作系统与依赖

• Linux（推荐 Ubuntu 22.04 LTS）：agent-browser 的 Rust 二进制文件在 x64/arm64 架构上均提供预编译版本，无需手动编译。切勿在 CentOS 7 上尝试，其 glibc 版本过低会导致libstdc++.so.6: version 'GLIBCXX_3.4.29' not found错误。
• 必备系统库：sudo apt-get install -y libnss3 libatk1.0-0 libatk-bridge2.0-0 libc6 libcairo2 libcups2 libdbus-1-3 libexpat1 libfontconfig1 libgcc1 libglib2.0-0 libgtk-3-0 libnspr4 libpango-1.0-0 libpangocairo-1.0-0 libstdc++6 libx11-6 libx11-xcb1 libxcb1 libxcomposite1 libxcursor1 libxdamage1 libxext6 libxfixes3 libxi6 libxrandr2 libxrender1 libxss1 libxtst6 ca-certificates fonts-liberation libappindicator1 libasound2 libatk-bridge2.0-0 libatspi2.0-0 libcairo2 libcups2 libdbus-1-3 libexpat1 libfontconfig1 libgbm1 libgcc1 libglib2.0-0 libgtk-3-0 libnspr4 libnss3 libpango-1.0-0 libpangocairo-1.0-0 libstdc++6 libx11-6 libx11-xcb1 libxcb1 libxcomposite1 libxcursor1 libxdamage1 libxext6 libxfixes3 libxi6 libxrandr2 libxrender1 libxss1 libxtst6。这条命令来自 agent-browser 官方文档，但很多人复制时漏掉libgbm1，导致 headless 模式下截图全黑。

Chrome for Testing 的版本锁定agent-browser 默认下载最新版 Chrome for Testing，但这在 CI/CD 中是灾难。我们强制在package.json中锁定：

"scripts": { "postinstall": "agent-browser install --version 125.0.6422.60" }

125.0.6422.60是 Chrome 125 的稳定版号，可通过curl -s https://googlechromelabs.github.io/chrome-for-testing/last-known-good-versions-with-downloads.json | jq -r '.channels.Stable.downloads.chrome[0].url'动态获取。锁定版本可确保：

• 所有环境（开发、测试、生产）使用完全一致的 Chromium 内核；
• 避免因 Chrome 自动升级导致 CDP 协议变更（如 Chrome 126 移除了Emulation.setScriptExecutionDisabled）；
• Docker 构建时可复用 layer 缓存，加速镜像构建。

Dockerfile 的黄金模板

FROM ubuntu:22.04 # 安装系统依赖 RUN apt-get update && apt-get install -y \ curl wget gnupg2 ca-certificates fonts-liberation \ && rm -rf /var/lib/apt/lists/* # 安装 agent-browser RUN curl -fsSL https://deb.nodesource.com/setup_lts.x | bash - && \ apt-get update && apt-get install -y nodejs && \ npm install -g agent-browser@0.27.3 # 下载并锁定 Chrome 版本 RUN agent-browser install --version 125.0.6422.60 # 创建非 root 用户（安全基线） RUN useradd -m -u 1001 -G audio,video agentuser USER agentuser # 设置工作目录 WORKDIR /home/agentuser/app COPY --chown=agentuser:agentuser . . # 关键：禁用沙箱（容器内必需） ENV AGENT_BROWSER_ARGS="--no-sandbox,--disable-setuid-sandbox,--disable-dev-shm-usage,--disable-gpu"

注意：--no-sandbox是容器内运行 Chromium 的强制要求，否则会报错Failed to move to new namespace: PID namespaces supported, Network namespace supported, but failed: errno = Operation not permitted。这个参数在安全白皮书中常被列为“高危”，但在容器隔离的上下文中，其风险远低于不加该参数导致的进程崩溃。

3.2 电商比价 Agent 的完整代码实现：聚焦核心逻辑

我们以“监控京东、淘宝、拼多多三家平台同款手机的价格变化”为需求，构建一个端到端可运行的 Agent。核心逻辑只有 4 个函数，但每个都经过生产环境千次调用验证。

函数 1：getProductPrice(url)—— 通用价格提取器

#!/bin/bash # getProductPrice.sh # 输入：商品页面 URL # 输出：JSON { "price": "¥5,999.00", "title": "iPhone 15 Pro", "timestamp": "2024-06-15T10:30:00Z" } URL=$1 # 启动浏览器，设置超时和视口 agent-browser open "$URL" \ --default-timeout 45000 \ --viewport 1920 1080 \ --headed=false \ --hide-scrollbars=true \ --ignore-https-errors=true \ --args "--no-sandbox,--disable-setuid-sandbox" # 等待页面加载完成（networkidle 比 domcontentloaded 更可靠） agent-browser wait --load networkidle # 获取语义化快照，只保留交互元素 SNAPSHOT=$(agent-browser snapshot -i --json 2>/dev/null) if [ $? -ne 0 ]; then echo '{"error": "snapshot_failed", "url": "'"$URL"'"}' >&2 exit 1 fi # 从快照中提取价格和标题（使用 jq 解析 JSON） PRICE=$(echo "$SNAPSHOT" | jq -r ' .data.refs | to_entries[] | select(.value.role == "price" or .value.name | test("¥|\\$|€")) | .value.name // (.value.value | strings) ' | head -1 | sed 's/[[:space:]]\+//g') TITLE=$(echo "$SNAPSHOT" | jq -r ' .data.refs | to_entries[] | select(.value.role == "heading" and (.value.name | length > 5)) | .value.name ' | head -1) # 如果没提取到，回退到传统 CSS 选择器（兜底） if [ -z "$PRICE" ]; then PRICE=$(agent-browser get text ".price" --json 2>/dev/null | jq -r '.data') fi if [ -z "$TITLE" ]; then TITLE=$(agent-browser get text "title" --json 2>/dev/null | jq -r '.data') fi # 构造输出 echo "{\"price\": \"${PRICE:-null}\", \"title\": \"${TITLE:-null}\", \"timestamp\": \"$(date -u +%Y-%m-%dT%H:%M:%SZ)\", \"url\": \"$URL\"}"

这个脚本的关键在于jq解析逻辑。它不依赖固定的 class 名，而是基于 Accessibility Tree 的语义角色（role: price）和文本模式（含货币符号）进行模糊匹配，大幅提升了跨平台兼容性。我们在测试中发现，京东的“¥5,999.00”、淘宝的“￥5999.00”、拼多多的“¥5999”都能被正确捕获。

函数 2：comparePrices()—— 多源比价与决策

# comparePrices.py import json import subprocess import sys from datetime import datetime def run_agent_command(cmd): """执行 agent-browser 命令并返回 JSON 结果""" try: result = subprocess.run( cmd, shell=True, capture_output=True, text=True, timeout=60 ) if result.returncode != 0: return {"error": "command_failed", "stderr": result.stderr.strip()} return json.loads(result.stdout.strip()) except subprocess.TimeoutExpired: return {"error": "timeout", "cmd": cmd} except json.JSONDecodeError: return {"error": "json_parse_failed", "output": result.stdout.strip()} def main(): urls = [ "https://item.jd.com/1000XXXXXXX.html", # 京东 "https://detail.tmall.com/item.htm?id=XXXXXXXXX", # 天猫 "https://mobile.yangkeduo.com/goods.html?goods_id=XXXXXXXXX" # 拼多多 ] results = [] for url in urls: print(f"Fetching price from {url}...") # 调用 Bash 脚本 cmd = f'bash getProductPrice.sh "{url}"' res = run_agent_command(cmd) res["source"] = url.split(".")[1] # jd, tmall, pinduoduo results.append(res) # 过滤成功结果 valid_results = [r for r in results if "price" in r and r["price"] is not None] if len(valid_results) < 2: print("Error: Less than 2 sources succeeded.") sys.exit(1) # 按价格排序（去除 ¥ 符号并转为 float） def parse_price(p): if not p: return float('inf') return float(''.join(filter(str.isdigit, p.replace(',', '').replace('.', ''))) or '0') / 100 sorted_results = sorted(valid_results, key=lambda x: parse_price(x["price"])) # 生成决策报告 report = { "timestamp": datetime.utcnow().isoformat(), "cheapest": sorted_results[0], "most_expensive": sorted_results[-1], "all_prices": sorted_results, "recommendation": f"Buy from {sorted_results[0]['source']} at {sorted_results[0]['price']}" } print(json.dumps(report, indent=2, ensure_ascii=False)) if __name__ == "__main__": main()

这个 Python 脚本的核心价值在于“决策逻辑外置”。agent-browser 只负责“获取事实”，Python 负责“分析事实并决策”。这种分层让 Agent 更易测试、调试和审计。你可以轻松替换parse_price函数来支持不同货币，或添加check_stock()函数来验证库存。

函数 3：notifyOnPriceDrop()—— 基于状态的智能通知

#!/bin/bash # notifyOnPriceDrop.sh # 检查价格是否下跌，并发送企业微信通知 CURRENT_PRICE=$(cat current.json | jq -r '.price') PREVIOUS_PRICE=$(cat previous.json | jq -r '.price') # 价格比较（支持 ¥5,999.00 和 5999.00 格式） current_num=$(echo "$CURRENT_PRICE" | tr -d '¥,$,€, ' | tr ',' '.') previous_num=$(echo "$PREVIOUS_PRICE" | tr -d '¥,$,€, ' | tr ',' '.') if (( $(echo "$current_num < $previous_num" | bc -l) )); then DROP_PERCENT=$(echo "scale=1; ($previous_num - $current_num) / $previous_num * 100" | bc -l) # 发送企业微信消息（需提前配置 webhook） curl 'https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=YOUR_WEBHOOK_KEY' \ -H 'Content-Type: application/json' \ -d "{ \"msgtype\": \"text\", \"text\": { \"content\": \"【价格监控】iPhone 15 Pro 降价啦！\\n原价：$PREVIOUS_PRICE\\n现价：$CURRENT_PRICE\\n降幅：$DROP_PERCENT%\\n链接：$(cat current.json | jq -r '.url')\" } }" # 更新历史记录 cp current.json previous.json echo "Price drop detected and notified." else echo "No price change." fi

这个脚本体现了 agent-browser 的“状态感知”能力。它不孤立地看待一次抓取，而是将current.json和previous.json视为 Agent 的记忆。通过bc命令进行浮点计算，避免了 Bash 原生整数运算的局限。企业微信 webhook 的集成，让 Agent 具备了真正的“行动力”。

函数 4：runDailyJob()—— 生产级调度与错误恢复

#!/bin/bash # runDailyJob.sh # 每日定时执行比价任务，具备重试、告警、日志归档能力 LOG_DIR="/var/log/price-monitor" mkdir -p "$LOG_DIR" # 记录开始时间 START_TIME=$(date -u +%Y-%m-%dT%H:%M:%SZ) echo "[$START_TIME] Job started" >> "$LOG_DIR/job.log" # 执行主流程 python3 comparePrices.py > "$LOG_DIR/output.json" 2> "$LOG_DIR/error.log" EXIT_CODE=$? if [ $EXIT_CODE -eq 0 ]; then # 成功：检查是否需要通知 bash notifyOnPriceDrop.sh >> "$LOG_DIR/job.log" 2>&1 # 归档本次结果 cp "$LOG_DIR/output.json" "$LOG_DIR/archive/$(date -u +%Y%m%d_%H%M%S).json" echo "[$(date -u +%Y-%m-%dT%H:%M:%SZ)] Job completed successfully." >> "$LOG_DIR/job.log" else # 失败：发送告警（邮件或短信） echo "[$(date -u +%Y-%m-%dT%H:%M:%SZ)] Job failed with exit code $EXIT_CODE. Error log:" >> "$LOG_DIR/job.log" tail -20 "$LOG_DIR/error.log" >> "$LOG_DIR/job.log" # 重试机制（最多 2 次） for i in {1..2}; do echo "[$(date -u +%Y-%m-%dT%H:%M:%SZ)] Retrying... ($i/2)" >> "$LOG_DIR/job.log" sleep 30 python3 comparePrices.py > "$LOG_DIR/output.json" 2> "$LOG_DIR/error.log" if [ $? -eq 0 ]; then echo "[$(date -u +%Y-%m-%dT%H:%M:%SZ)] Retry $i succeeded." >> "$LOG_DIR/job.log" break fi done fi # 清理旧日志（保留 30 天） find "$LOG_DIR/archive" -name "*.json" -mtime +30 -delete

这个 Shell 脚本是 Agent 的“运维大脑”。它不关心网页怎么抓，只关心“任务是否完成、失败了怎么办、结果如何留存”。重试逻辑、日志轮转、错误摘要，都是生产环境的标配。我们将它加入 crontab：

# 每天上午 9 点执行 0 9 * * * /usr/local/bin/runDailyJob.sh >> /var/log/price-monitor/cron.log 2>&1

3.3 参数调优与性能压测：让 Agent 在 1 秒内完成关键路径

agent-browser 的默认参数适用于 80% 的场景，但要达到生产级 SLA（如“95% 的价格查询在 1.5 秒内完成”），必须进行精细化调优。以下是我们的压测方法论和关键参数。

压测基准设定我们使用wrk工具模拟并发请求：

# 模拟 10 个并发用户，持续 60 秒 wrk -t10 -c10 -d60s --latency "http://localhost:8000/price?sku=123"

后端服务（Python Flask）接收请求后，调用getProductPrice.sh并返回 JSON。我们监控三个核心指标：

• P95 延迟：95% 的请求完成时间；
• 错误率：HTTP 5xx 或超时比例；
• CPU/内存峰值：htop和docker stats观察。

关键参数调优表

最危险的参数：--headed--headed强制显示浏览器窗口，对调试极有用，但绝对禁止在服务器环境使用。它会：

• 启动 X11 服务器（消耗 200MB+ 内存）；
• 触发 GPU 渲染（在无显卡服务器上导致libGL error: failed to load driver: swrast）；
• 使screenshot命令返回空白图片（因窗口未聚焦）。

我们的解决方案是：在 Docker 容器中安装xvfb（虚拟帧缓冲），并设置：

# 启动 xvfb Xvfb :99 -screen 0 1920x1080x24 > /dev/null 2>&1 & export DISPLAY=:99 # 在 agent-browser 命令中使用 agent-browser open "$URL" --headed --args "--no-sandbox,--disable-setuid-sandbox"

这样既获得可视化调试能力，又不破坏容器的无头特性。

4. 常见问题与实战排错：那些官方文档不会告诉你的坑

4.1 “Ref ID 失效”问题的