一套命令跑通 AI 浏览器 API：从打开网页到截图提取数据

发布人：慈云数据-客服中心发布时间：15小时前阅读量：2

AI浏览器 API接口调用教程｜附完整命令

随着 AI Agent、自动化测试、数据采集、智能办公等场景快速发展，“AI浏览器”正在成为很多开发者的新工具。所谓 AI 浏览器，通常指的是一种具备浏览器环境、页面访问能力、DOM 操作能力、截图能力、表单填写能力，并且可以结合大模型进行理解与决策的自动化浏览器服务。

与传统浏览器自动化工具不同，AI浏览器往往不仅能“打开网页、点击按钮”，还可以通过 API 接口接收自然语言任务，例如：

打开某个网站并总结页面内容；
自动登录后台并导出报表；
根据网页内容判断下一步操作；
截取页面截图并返回图片地址；
提取网页中的结构化数据；
在网页上执行搜索、填写表单、点击按钮等操作。

本文将以通用 AI浏览器 API 的调用方式为例，完整讲解从创建会话、访问网页、执行浏览器动作、获取页面内容、截图、关闭会话等流程，并附上 curl、Python、Node.js 等完整命令示例。

说明：不同厂商的 AI浏览器 API 路径和字段可能略有差异，本文使用的是通用示例格式。你只需要将 BASE_URL、API_KEY、接口路径和参数替换为你所使用平台的实际配置即可。

一、准备工作

在调用 AI浏览器 API 之前，你通常需要准备以下内容：

一个可用的 AI浏览器服务账号；
一个 API Key；
API 服务地址；
本地命令行工具，例如 curl；
如果使用代码调用，需要安装 Python 或 Node.js。

本文统一使用以下变量作为示例：

BASE_URL="https://api.example.com"
API_KEY="your_api_key_here"

在真实环境中，你需要将其替换为实际内容。例如：

BASE_URL="https://api.your-ai-browser.com"
API_KEY="sk-xxxxxxxxxxxxxxxxxxxx"

为了方便后续命令调用，可以先在终端中设置环境变量。

Linux / macOS 设置环境变量

export BASE_URL="https://api.example.com"
export API_KEY="your_api_key_here"

Windows PowerShell 设置环境变量

$env:BASE_URL="https://api.example.com"
$env:API_KEY="your_api_key_here"

设置完成后，后续命令就可以直接读取环境变量。

二、AI浏览器 API 的基本调用流程

一个完整的 AI浏览器 API 调用流程通常如下：

创建浏览器会话；
打开目标网页；
执行浏览器动作；
获取页面内容或截图；
让 AI 分析页面；
返回结果；
关闭浏览器会话。

可以把 AI浏览器理解成一个“云端浏览器实例”。你通过 API 向它发送命令，它在远程执行操作，然后把结果返回给你。

常见 API 类型包括：

类型	说明
创建会话	创建一个独立浏览器环境
页面导航	打开指定 URL
点击操作	点击按钮、链接、菜单
输入文本	在输入框中填写内容
执行脚本	在页面中执行 JavaScript
页面截图	获取当前页面截图
内容提取	提取 HTML、文本、表格等
AI任务	通过自然语言描述任务
关闭会话	释放浏览器资源

三、创建浏览器会话

首先需要创建一个浏览器会话。每个会话可以理解为一个独立的浏览器窗口，拥有自己的 Cookie、缓存、页面状态等。

curl 命令

curl -X POST "$BASE_URL/v1/browser/sessions" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "browser": "chromium",
    "headless": true,
    "viewport": {
      "width": 1280,
      "height": 800
    },
    "locale": "zh-CN",
    "timezone": "Asia/Shanghai"
  }'

示例响应

{
  "id": "session_abc123",
  "status": "running",
  "browser": "chromium",
  "created_at": "2026-06-04T10:00:00Z"
}

其中最重要的是 id 字段，例如：

session_abc123

后续所有操作都需要带上这个会话 ID。

为了方便演示，可以将会话 ID 保存为变量：

SESSION_ID="session_abc123"

四、打开指定网页

创建会话后，就可以让 AI浏览器访问网页。

假设我们要打开百度首页：

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/navigate" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://www.baidu.com",
    "wait_until": "networkidle",
    "timeout": 30000
  }'

参数说明：

参数	含义
`url`	要访问的网址
`wait_until`	等待页面加载完成的条件
`timeout`	超时时间，单位毫秒

常见 wait_until 取值包括：

load
domcontentloaded
networkidle

如果目标网页较复杂，建议使用 networkidle，表示网络请求基本结束后再继续执行下一步。

五、获取当前页面信息

打开网页后，可以获取当前页面标题、URL、HTML 或纯文本内容。

获取页面标题和 URL

curl -X GET "$BASE_URL/v1/browser/sessions/$SESSION_ID/page" \
  -H "Authorization: Bearer $API_KEY"

示例响应：

{
  "url": "https://www.baidu.com/",
  "title": "百度一下，你就知道"
}

获取页面 HTML

curl -X GET "$BASE_URL/v1/browser/sessions/$SESSION_ID/content" \
  -H "Authorization: Bearer $API_KEY"

获取页面纯文本

curl -X GET "$BASE_URL/v1/browser/sessions/$SESSION_ID/text" \
  -H "Authorization: Bearer $API_KEY"

返回示例：

{
  "text": "新闻 hao123 地图 贴吧 视频 图片 网盘 更多..."
}

如果你的目标是让 AI 总结页面内容，一般建议获取纯文本即可，因为 HTML 中包含大量标签、脚本和样式，会增加模型处理成本。

六、执行点击操作

AI浏览器常见操作之一是点击页面元素。点击方式通常有两种：

根据 CSS Selector 点击；
根据自然语言描述点击。

方式一：使用 CSS Selector 点击

例如点击搜索按钮：

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/actions/click" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "selector": "#su",
    "timeout": 10000
  }'

方式二：使用自然语言点击

一些 AI浏览器支持自然语言定位元素，例如：

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/ai/click" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "instruction": "点击页面上的搜索按钮",
    "timeout": 10000
  }'

自然语言点击适合页面结构复杂、CSS Selector 不稳定的场景。例如后台管理系统、动态页面、低代码平台等。

七、输入文本内容

输入文本通常需要指定输入框。

使用 Selector 输入

例如在百度搜索框中输入关键词：

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/actions/type" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "selector": "#kw",
    "text": "AI浏览器 API接口调用教程",
    "clear": true,
    "delay": 50
  }'

参数说明：

参数	说明
`selector`	输入框 CSS Selector
`text`	要输入的内容
`clear`	输入前是否清空原内容
`delay`	模拟键盘输入间隔

然后点击搜索按钮：

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/actions/click" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "selector": "#su"
  }'

等待搜索结果加载：

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/wait" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "milliseconds": 3000
  }'

八、使用 AI 指令完成网页任务

AI浏览器的核心价值在于，它不仅能执行固定命令，还能根据自然语言理解目标任务。

例如，你可以发送如下任务：

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/ai/task" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "task": "在当前页面搜索“AI浏览器 API接口调用教程”，然后总结搜索结果第一页中排名靠前的三条内容。",
    "max_steps": 8,
    "return_format": "markdown"
  }'

示例返回：

{
  "status": "completed",
  "steps": [
    "识别搜索框",
    "输入关键词",
    "点击搜索按钮",
    "等待结果页加载",
    "读取前三条搜索结果"
  ],
  "result": "### 搜索结果摘要\n1. ...\n2. ...\n3. ..."
}

这种方式适合以下场景：

页面结构不固定；
需要根据页面内容判断下一步；
需要提取、总结、归纳网页内容；
需要模拟真实用户操作；
不想手动维护大量 Selector。

不过需要注意，自然语言任务比固定 API 操作更灵活，但也更依赖模型能力和页面可访问性。在生产环境中，建议将关键流程拆成多个明确步骤，并对返回结果做校验。

九、页面截图

截图是 AI浏览器非常实用的能力，常用于监控页面状态、生成报告、保存操作结果、调试自动化流程。

截取当前可视区域

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/screenshot" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "full_page": false,
    "format": "png"
  }'

截取完整页面

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/screenshot" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "full_page": true,
    "format": "png"
  }'

示例响应：

{
  "url": "https://cdn.example.com/screenshots/session_abc123_001.png",
  "format": "png",
  "width": 1280,
  "height": 3200
}

如果接口返回的是 Base64 图片，也可以保存为本地文件：

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/screenshot" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "full_page": true,
    "format": "png",
    "encoding": "base64"
  }' > screenshot_response.json

然后使用脚本解析 Base64 并保存。

十、执行 JavaScript 脚本

如果需要更灵活地读取页面元素、执行滚动、修改 DOM，可以通过 API 执行 JavaScript。

获取页面标题

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/evaluate" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "script": "document.title"
  }'

获取所有链接

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/evaluate" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "script": "Array.from(document.querySelectorAll(\"a\")).map(a => ({ text: a.innerText, href: a.href })).filter(item => item.text || item.href)"
  }'

页面滚动到底部

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/evaluate" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "script": "window.scrollTo(0, document.body.scrollHeight); true;"
  }'

对于无限滚动页面，可以配合等待命令多次执行滚动：

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/evaluate" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "script": "window.scrollTo(0, document.body.scrollHeight);"
  }'

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/wait" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "milliseconds": 2000
  }'

十一、提取结构化数据

AI浏览器经常用于从网页中提取结构化信息，例如商品名称、价格、文章标题、发布时间、链接等。

假设当前页面是一个文章列表页，可以使用如下命令：

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/extract" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "instruction": "提取当前页面中的文章列表，包括标题、摘要、发布时间和链接。",
    "schema": {
      "type": "object",
      "properties": {
        "articles": {
          "type": "array",
          "items": {
            "type": "object",
            "properties": {
              "title": {
                "type": "string"
              },
              "summary": {
                "type": "string"
              },
              "published_at": {
                "type": "string"
              },
              "url": {
                "type": "string"
              }
            },
            "required": ["title", "url"]
          }
        }
      },
      "required": ["articles"]
    }
  }'

示例返回：

{
  "articles": [
    {
      "title": "AI浏览器是什么？",
      "summary": "本文介绍 AI浏览器的基本概念和应用场景。",
      "published_at": "2026-06-01",
      "url": "https://example.com/article/1"
    },
    {
      "title": "如何通过 API 调用 AI浏览器",
      "summary": "教程包含 curl、Python、Node.js 示例。",
      "published_at": "2026-06-02",
      "url": "https://example.com/article/2"
    }
  ]
}

结构化提取的好处是返回结果更加稳定，适合进入数据库、表格、BI 系统或后续自动化流程。

十二、上传文件或处理文件下载

部分 AI浏览器支持文件上传和下载处理。例如自动上传简历、导入 Excel、下载报表等。

上传文件到浏览器会话

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/files" \
  -H "Authorization: Bearer $API_KEY" \
  -F "file=@./report.xlsx"

示例响应：

{
  "file_id": "file_123456",
  "filename": "report.xlsx",
  "size": 20480
}

将文件绑定到上传控件

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/actions/upload" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "selector": "input[type=file]",
    "file_id": "file_123456"
  }'

获取下载文件列表

curl -X GET "$BASE_URL/v1/browser/sessions/$SESSION_ID/downloads" \
  -H "Authorization: Bearer $API_KEY"

示例响应：

{
  "downloads": [
    {
      "file_id": "download_001",
      "filename": "data.csv",
      "url": "https://cdn.example.com/downloads/data.csv"
    }
  ]
}

十三、关闭浏览器会话

浏览器会话会占用服务器资源。任务完成后，建议及时关闭。

curl -X DELETE "$BASE_URL/v1/browser/sessions/$SESSION_ID" \
  -H "Authorization: Bearer $API_KEY"

示例响应：

{
  "id": "session_abc123",
  "status": "closed"
}

在生产环境中，即使任务失败，也应该在异常处理逻辑中关闭会话，避免资源泄漏。

十四、完整 curl 调用示例

下面给出一个完整流程：创建会话、打开百度、输入关键词、点击搜索、等待结果、获取文本、截图、关闭会话。

export BASE_URL="https://api.example.com"
export API_KEY="your_api_key_here"

CREATE_RESPONSE=$(curl -s -X POST "$BASE_URL/v1/browser/sessions" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "browser": "chromium",
    "headless": true,
    "viewport": {
      "width": 1280,
      "height": 800
    }
  }')

echo "$CREATE_RESPONSE"

SESSION_ID=$(echo "$CREATE_RESPONSE" | jq -r '.id')

echo "SESSION_ID=$SESSION_ID"

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/navigate" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://www.baidu.com",
    "wait_until": "networkidle"
  }'

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/actions/type" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "selector": "#kw",
    "text": "AI浏览器 API接口调用教程",
    "clear": true
  }'

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/actions/click" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "selector": "#su"
  }'

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/wait" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "milliseconds": 3000
  }'

curl -X GET "$BASE_URL/v1/browser/sessions/$SESSION_ID/text" \
  -H "Authorization: Bearer $API_KEY"

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/screenshot" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "full_page": true,
    "format": "png"
  }'

curl -X DELETE "$BASE_URL/v1/browser/sessions/$SESSION_ID" \
  -H "Authorization: Bearer $API_KEY"

注意：上面的脚本使用了 jq 来解析 JSON。如果你的系统没有安装，可以使用以下命令安装。

macOS

brew install jq

Ubuntu / Debian

sudo apt update
sudo apt install -y jq

十五、Python 调用示例

如果你希望在后端服务、定时任务或数据处理脚本中调用 AI浏览器 API，可以使用 Python。

安装 requests

pip install requests

完整 Python 示例

import requests
import time

BASE_URL = "https://api.example.com"
API_KEY = "your_api_key_here"

headers = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json"
}

def create_session():
    url = f"{BASE_URL}/v1/browser/sessions"
    payload = {
        "browser": "chromium",
        "headless": True,
        "viewport": {
            "width": 1280,
            "height": 800
        },
        "locale": "zh-CN"
    }
    response = requests.post(url, headers=headers, json=payload)
    response.raise_for_status()
    return response.json()["id"]

def navigate(session_id, target_url):
    url = f"{BASE_URL}/v1/browser/sessions/{session_id}/navigate"
    payload = {
        "url": target_url,
        "wait_until": "networkidle",
        "timeout": 30000
    }
    response = requests.post(url, headers=headers, json=payload)
    response.raise_for_status()
    return response.json()

def type_text(session_id, selector, text):
    url = f"{BASE_URL}/v1/browser/sessions/{session_id}/actions/type"
    payload = {
        "selector": selector,
        "text": text,
        "clear": True
    }
    response = requests.post(url, headers=headers, json=payload)
    response.raise_for_status()
    return response.json()

def click(session_id, selector):
    url = f"{BASE_URL}/v1/browser/sessions/{session_id}/actions/click"
    payload = {
        "selector": selector
    }
    response = requests.post(url, headers=headers, json=payload)
    response.raise_for_status()
    return response.json()

def get_text(session_id):
    url = f"{BASE_URL}/v1/browser/sessions/{session_id}/text"
    response = requests.get(url, headers=headers)
    response.raise_for_status()
    return response.json()

def screenshot(session_id):
    url = f"{BASE_URL}/v1/browser/sessions/{session_id}/screenshot"
    payload = {
        "full_page": True,
        "format": "png"
    }
    response = requests.post(url, headers=headers, json=payload)
    response.raise_for_status()
    return response.json()

def close_session(session_id):
    url = f"{BASE_URL}/v1/browser/sessions/{session_id}"
    response = requests.delete(url, headers=headers)
    response.raise_for_status()
    return response.json()

def main():
    session_id = None
    try:
        session_id = create_session()
        print("创建会话成功:", session_id)

        navigate(session_id, "https://www.baidu.com")
        print("页面打开成功")

        type_text(session_id, "#kw", "AI浏览器 API接口调用教程")
        click(session_id, "#su")

        time.sleep(3)

        text_result = get_text(session_id)
        print("页面文本:")
        print(text_result.get("text", "")[:1000])

        image_result = screenshot(session_id)
        print("截图结果:", image_result)

    except requests.HTTPError as e:
        print("HTTP 请求失败:", e)
        if e.response is not None:
            print(e.response.text)
    except Exception as e:
        print("执行异常:", e)
    finally:
        if session_id:
            close_result = close_session(session_id)
            print("会话已关闭:", close_result)

if __name__ == "__main__":
    main()

运行命令：

python ai_browser_demo.py

十六、Node.js 调用示例

对于前端工程化、服务端 Node.js 项目或自动化脚本，也可以使用 Node.js 调用。

初始化项目

mkdir ai-browser-demo
cd ai-browser-demo
npm init -y
npm install axios

创建 `index.js`

const axios = require("axios");

const BASE_URL = "https://api.example.com";
const API_KEY = "your_api_key_here";

const client = axios.create({
  baseURL: BASE_URL,
  headers: {
    Authorization: `Bearer ${API_KEY}`,
    "Content-Type": "application/json"
  },
  timeout: 30000
});

async function createSession() {
  const res = await client.post("/v1/browser/sessions", {
    browser: "chromium",
    headless: true,
    viewport: {
      width: 1280,
      height: 800
    },
    locale: "zh-CN"
  });
  return res.data.id;
}

async function navigate(sessionId, url) {
  const res = await client.post(`/v1/browser/sessions/${sessionId}/navigate`, {
    url,
    wait_until: "networkidle"
  });
  return res.data;
}

async function typeText(sessionId, selector, text) {
  const res = await client.post(`/v1/browser/sessions/${sessionId}/actions/type`, {
    selector,
    text,
    clear: true
  });
  return res.data;
}

async function click(sessionId, selector) {
  const res = await client.post(`/v1/browser/sessions/${sessionId}/actions/click`, {
    selector
  });
  return res.data;
}

async function wait(sessionId, milliseconds) {
  const res = await client.post(`/v1/browser/sessions/${sessionId}/wait`, {
    milliseconds
  });
  return res.data;
}

async function getText(sessionId) {
  const res = await client.get(`/v1/browser/sessions/${sessionId}/text`);
  return res.data;
}

async function takeScreenshot(sessionId) {
  const res = await client.post(`/v1/browser/sessions/${sessionId}/screenshot`, {
    full_page: true,
    format: "png"
  });
  return res.data;
}

async function closeSession(sessionId) {
  const res = await client.delete(`/v1/browser/sessions/${sessionId}`);
  return res.data;
}

async function main() {
  let sessionId = null;

  try {
    sessionId = await createSession();
    console.log("创建会话成功:", sessionId);

    await navigate(sessionId, "https://www.baidu.com");
    console.log("页面打开成功");

    await typeText(sessionId, "#kw", "AI浏览器 API接口调用教程");
    await click(sessionId, "#su");
    await wait(sessionId, 3000);

    const text = await getText(sessionId);
    console.log("页面文本:", text.text ? text.text.slice(0, 1000) : text);

    const screenshot = await takeScreenshot(sessionId);
    console.log("截图结果:", screenshot);

  } catch (error) {
    if (error.response) {
      console.error("接口错误:", error.response.status, error.response.data);
    } else {
      console.error("执行异常:", error.message);
    }
  } finally {
    if (sessionId) {
      const result = await closeSession(sessionId);
      console.log("会话已关闭:", result);
    }
  }
}

main();

运行命令：

node index.js

十七、常见错误与排查方法

1. 401 Unauthorized

表示 API Key 无效或没有正确传递。

检查请求头是否包含：

Authorization: Bearer your_api_key_here

也要确认 API Key 没有多余空格、换行或过期。

2. 404 Not Found

通常说明接口路径错误，或者 SESSION_ID 不存在。

请检查：

BASE_URL 是否正确；
接口版本是否为 /v1；
会话 ID 是否真实存在；
会话是否已经被关闭。

3. 408 / 504 Timeout

表示页面加载或任务执行超时。

解决建议：

增加 timeout；
将复杂任务拆分成多个步骤；
使用 wait_until: "domcontentloaded"；
检查目标网站是否访问缓慢；
避免一次性执行过长的 AI 任务。

4. Selector 找不到

如果点击或输入时报错元素不存在，可以检查：

页面是否加载完成；
Selector 是否正确；
元素是否在 iframe 中；
元素是否需要滚动后才出现；
页面是否根据设备或语言发生变化。

可以先获取 HTML：

curl -X GET "$BASE_URL/v1/browser/sessions/$SESSION_ID/content" \
  -H "Authorization: Bearer $API_KEY"

或者截图确认页面状态：

curl -X POST "$BASE_URL/v1/browser/sessions/$SESSION_ID/screenshot" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "full_page": true
  }'

十八、生产环境最佳实践

在实际项目中调用 AI浏览器 API，建议遵循以下原则。

1. 会话及时关闭

每个浏览器会话都会消耗计算资源。无论任务成功还是失败，都应该在 finally 或异常处理逻辑中关闭会话。

2. 任务拆分

不要把所有操作都写进一个超长 AI 指令中。例如：

打开网站，登录后台，进入报表页，选择日期，导出 Excel，下载文件，然后分析数据。

更推荐拆成多个步骤：

打开登录页；
输入账号密码；
确认登录成功；
进入报表页；
选择日期；
导出文件；
下载并处理文件。

这样更容易调试，也更稳定。

3. 关键步骤做校验

例如登录之后，可以检查页面是否出现“退出登录”或用户昵称；导出之后，可以检查下载列表是否生成文件；提交表单之后，可以检查是否出现成功提示。

4. 控制调用频率

如果短时间内大量创建浏览器会话，可能触发平台限流或目标网站风控。建议增加队列、重试、限速和日志。

5. 保护敏感信息

不要把 API Key、账号密码、Cookie 写死在代码中。推荐使用环境变量或密钥管理服务。

例如：

export API_KEY="your_api_key_here"
export LOGIN_USERNAME="your_username"
export LOGIN_PASSWORD="your_password"

Python 中读取：

import os

API_KEY = os.getenv("API_KEY")
USERNAME = os.getenv("LOGIN_USERNAME")
PASSWORD = os.getenv("LOGIN_PASSWORD")

十九、总结

AI浏览器 API 本质上是“浏览器自动化能力 + AI理解能力”的结合。通过 API，你可以像控制普通浏览器一样完成打开网页、点击按钮、输入文本、截图、提取内容等操作；同时也可以使用自然语言任务，让 AI 根据页面内容自动判断和执行下一步。

本文完整介绍了 AI浏览器 API 的基础调用流程，包括：

创建浏览器会话；
打开网页；
获取页面内容；
点击和输入；
执行 AI 任务；
页面截图；
执行 JavaScript；
提取结构化数据；
文件上传和下载；
关闭浏览器会话；
curl、Python、Node.js 完整调用示例；
常见错误排查与生产环境最佳实践。

如果你只是做简单的自动化操作，可以优先使用 Selector 方式，稳定且成本较低；如果页面复杂、结构变化频繁，或者任务需要根据上下文判断，则可以使用 AI 指令方式。实际项目中，最推荐的方案是“固定 API 操作 + AI 辅助判断”结合使用，这样既能保证稳定性，也能发挥 AI浏览器的智能优势。

文章标签： AI浏览器 API接口自动化调用教程

上一篇：AI浏览器API怎么接？从鉴权到curl、Python完整调用示例

下一篇：从零接入AI浏览器API：会话控制、任务执行与源码实战指南

更多栏目

新闻动态

文档中心

下载中心

目录结构

全文

产品与服务

新闻帮助

生态合作

了解我们

一套命令跑通 AI 浏览器 API：从打开网页到截图提取数据

AI浏览器 API接口调用教程｜附完整命令

一、准备工作

Linux / macOS 设置环境变量

Windows PowerShell 设置环境变量

二、AI浏览器 API 的基本调用流程

三、创建浏览器会话

curl 命令

示例响应

四、打开指定网页

五、获取当前页面信息

获取页面标题和 URL

获取页面 HTML

获取页面纯文本

六、执行点击操作

方式一：使用 CSS Selector 点击

方式二：使用自然语言点击

七、输入文本内容

使用 Selector 输入

八、使用 AI 指令完成网页任务

九、页面截图

截取当前可视区域

截取完整页面

十、执行 JavaScript 脚本

获取页面标题

获取所有链接

页面滚动到底部

十一、提取结构化数据

十二、上传文件或处理文件下载

上传文件到浏览器会话

将文件绑定到上传控件

获取下载文件列表

十三、关闭浏览器会话

十四、完整 curl 调用示例

macOS

Ubuntu / Debian

十五、Python 调用示例

安装 requests

完整 Python 示例

十六、Node.js 调用示例

初始化项目

创建 index.js

十七、常见错误与排查方法

1. 401 Unauthorized

2. 404 Not Found

3. 408 / 504 Timeout

4. Selector 找不到

十八、生产环境最佳实践

1. 会话及时关闭

2. 任务拆分

3. 关键步骤做校验

4. 控制调用频率

5. 保护敏感信息

十九、总结

创建 `index.js`