GUI Agent 与 Agent Browser 的区别是什么？

1. 作用范围

• GUI Agent：操作任意图形界面，包括桌面软件、移动 App、浏览器内页面
• Agent Browser：专注于浏览器内的 Web 自动化，操作范围限于网页环境

2. 技术路径

• GUI Agent：纯视觉驱动，通过截图理解界面，模拟鼠标键盘操作
• Agent Browser：通常结合 DOM 解析、CDP 协议等浏览器专用技术，获取结构化信息

3. 优势互补

• Agent Browser：在浏览器场景中更精准高效，能利用 DOM 语义信息
• GUI Agent：跨平台通用，不依赖浏览器环境，适合无 API 的老旧系统

4. 应用场景选择

• 网页抓取、表单填写、SaaS 系统操作 → Agent Browser 更高效
• 桌面软件、移动 App、混合环境任务 → GUI Agent 更适用