1. 项目定位与用途
Vibium 是一个面向 AI 代理和开发者的浏览器自动化平台，基于 W3C WebDriver BiDi 标准构建。它提供统一的浏览器控制能力，使 AI 代理能够像人类一样导航网页、填写表单、点击按钮和捕获页面内容。项目设计为即装即用模式，自动处理浏览器下载和配置，让用户专注于自动化逻辑而非环境搭建。其核心定位是成为 AI 时代浏览器自动化的基础设施，为智能体提供可靠、标准的网页交互能力，同时支持人类开发者通过 CLI 或客户端库进行脚本化操作。
项目档案命令行工具
Vibium AI浏览器自动化工具 - 基于WebDriver BiDi标准 | 零配置安装与JS/Python/Java多语言使用指南
Vibium 是基于 W3C WebDriver BiDi 标准的 AI 原生浏览器自动化工具，提供零配置、标准化的浏览器控制能力。支持 CLI、MCP 服务器及 JavaScript、Python、Java 客户端，适用于 AI 代理任务、自动化测试和网页抓取。本页包含完整安装与使用指南。
AI 总结
Vibium 是一个基于 W3C WebDriver BiDi 标准的 AI 原生浏览器自动化工具，提供零配置、标准化的浏览器控制能力，支持 CLI、MCP 服务器及多语言客户端库。
中文项目介绍
Vibium 是一个专为 AI 代理和人类设计的浏览器自动化工具，基于 W3C WebDriver BiDi 开放标准构建。它解决了传统浏览器自动化中配置繁琐、依赖专有协议、操作等待机制不可靠等核心痛点。
项目采用零配置设计，安装后自动下载并管理浏览器实例。其核心创新在于服务端 actionability 检查机制，在点击、输入等操作前自动验证元素可见性、稳定性、事件接收状态等条件，显著提升自动化脚本的可靠性。
Vibium 支持多种使用方式：作为命令行工具直接操作、作为 MCP 服务器集成到 AI 助手、或通过 JavaScript、Python、Java 客户端库嵌入应用。适用于 AI 代理自动浏览网页、自动化测试、网页抓取、会话录制等场景。技术架构上，通过 WebSocket 与浏览器双向通信，客户端与二进制进程通过 NDJSON 消息交互，JavaScript 客户端采用 worker 线程与 SyncBridge 设计实现同步 API。
详细信息与使用说明
2. 解决的问题
Vibium 系统性地解决了浏览器自动化的三大痛点：一是配置繁琐，传统工具需手动安装浏览器驱动并管理版本兼容性，Vibium 实现零配置，自动下载和管理浏览器；二是协议封闭，如 Chrome DevTools Protocol 由单一厂商控制，Vibium 采用开放的 W3C WebDriver BiDi 标准，确保跨浏览器兼容性和长期可持续性；三是操作不可靠，动态网页中的元素加载、动画和覆盖层易导致点击失败，Vibium 通过服务端 actionability 检查机制（验证元素可见、稳定、可交互等条件）显著提升操作可靠性。
3. 适用场景
Vibium 适用于多种浏览器自动化场景：AI 代理执行在线任务（如信息检索、表单提交、多步骤流程）；自动化测试与质量保证（网页功能验证、回归测试）；网页内容抓取与数据提取（结合截图、PDF 生成）；会话录制与回放（用于调试或演示）；以及作为 MCP 服务器集成到 Claude Code、Gemini 等 AI 编程助手，增强其网页操作能力。其多语言客户端（JS/Python/Java）也支持将自动化能力嵌入现有应用或服务中，满足从快速脚本到复杂集成的不同需求。
4. 安装方式
根据仓库信息，Vibium 提供多种安装途径：全局 CLI 安装使用 `npm install -g vibium`，这会同时安装二进制文件并自动下载 Chrome；作为 AI 代理技能安装使用 `npx skills add https://github.com/VibiumDev/vibium --skill vibe-check`，将技能添加到项目 `.agents/skills/vibium` 目录；语言客户端安装分别为 `npm install vibium`（JavaScript/TypeScript）、`pip install vibium`（Python），Java 依赖通过 Maven 或 Gradle 配置（版本 26.3.18）；MCP 服务器设置使用 `claude mcp add vibium -- npx -y vibium mcp` 或 `gemini mcp add vibium npx -y vibium mcp`。所有安装方式均无需手动浏览器配置。
5. 使用方式
Vibium 的核心使用流程为导航、映射、交互三步：`vibium go <URL>` 导航到目标页面，`vibium map` 扫描页面并标记可交互元素（如 @e1、@e2），然后使用 `vibium click @e1`、`vibium fill @e2 "text"` 等命令操作。元素查找支持语义化方式：`vibium find text "Sign In"` 按可见文本、`vibium find role button` 按 ARIA 角色。其他常用操作包括截图（`vibium screenshot -o file.png`）、获取文本（`vibium text`）、等待条件（`vibium wait ".selector"`）、表单处理（`vibium select`、`vibium check`）和会话录制（`vibium record start/stop`）。完整命令参考 SKILL.md 文件。
6. 实现特点
Vibium 的技术实现具有几个关键特点：基于 W3C WebDriver BiDi 标准，使用 WebSocket 实现浏览器双向通信，确保跨浏览器兼容性；客户端与二进制进程通过 stdin/stdout 交换 NDJSON 格式消息，支持 vibium: 扩展命令；服务端实施 actionability 检查，在操作前验证元素状态（可见、稳定、接收事件、启用、可编辑），避免 flaky 操作；JavaScript 客户端采用 worker 线程与 SyncBridge 架构，利用 SharedArrayBuffer 实现同步 API 同时保持异步能力；提供数据收集器机制，允许客户端注册以捕获网络请求/响应的原始 body 内容。整体为单二进制文件设计，无运行时依赖，体积约 10MB。
思维导图
Vibium
核心特性
AI 原生
零配置自动下载浏览器
基于 WebDriver BiDi 标准
轻量级单二进制文件
Actionability 检查机制
技术架构
WebSocket 双向通信
NDJSON 消息协议
服务端操作验证
SyncBridge 同步 API
数据收集器机制
使用方式
CLI 命令行
MCP 服务器
JavaScript 客户端
Python 客户端
Java 客户端
生态系统
AI 代理技能集成
Claude Code 支持
Gemini CLI 支持
跨平台二进制分发
常见问题
Vibium 与其他浏览器自动化工具（如 Puppeteer、Playwright）有什么区别？
Vibium 基于开放的 W3C WebDriver BiDi 标准，而非厂商专有协议，确保跨浏览器兼容性和长期可持续性。它提供零配置体验（自动下载浏览器），并内置服务端 actionability 检查机制提升操作可靠性。同时支持 CLI、MCP 服务器和多语言客户端，更贴合 AI 代理工作流。
如何将 Vibium 安装为 AI 代理的技能？
使用 open agent skills CLI：`npx skills add https://github.com/VibiumDev/vibium --skill vibe-check`。这会将 Vibium 技能安装到项目的 `.agents/skills/vibium` 目录中，无需全局安装。安装后，AI 代理即可通过 `vibium` 命令集使用完整的浏览器自动化能力。
Vibium 支持哪些浏览器？
Vibium 基于 WebDriver BiDi 标准，理论上支持任何实现该标准的浏览器。当前版本自动下载和管理 Chrome 浏览器，无需用户手动配置。项目设计为标准化优先，未来可扩展至其他兼容浏览器。
Vibium 的 actionability 检查机制如何工作？
在执行点击、输入等操作前，Vibium 服务端会验证元素是否满足条件：可见（非隐藏）、稳定（位置 50ms 内未变）、接收事件（元素位于点击点）、启用（非 disabled 状态）、可编辑（针对输入操作）。不同操作使用不同的检查组合，确保动作可靠执行，避免因页面动态变化导致的失败。
如何使用 Vibium 的数据收集器功能？
数据收集器是 WebDriver BiDi 的 opt-in 机制，用于捕获网络请求和响应的 body 内容。客户端可通过 Vibium API 注册数据收集器，当网络事件发生时，浏览器会将请求/响应 body 克隆到缓冲区，Vibium 再将数据分发给订阅的客户端。这适用于需要读取 POST 载荷或响应内容的调试场景。