SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场web-browser

web-browser

通用与其它

查看项目

更新于 10-15 10:43

技能介绍

用途

web-browser 是一个浏览器联网工具 Skill，当需要真实浏览器环境时使用，包括：需要登录态的操作、反爬严格的平台（小红书、微信公众号等）、页面交互操作、动态渲染内容抓取等。简单搜索和公开页面抓取可直接使用内置的 WebSearch/WebFetch，无需加载此 Skill。

版本：v2.1.0。原作者不详，凯寓 (KAIYU) 修改维护。

主要能力

  • 通过 CDP Proxy 直连用户日常 Chrome，天然携带登录态，无需启动独立浏览器。
  • 提供 HTTP API 执行浏览操作：列出 tab（/targets）、新建后台 tab（/new）、页面信息（/info）、执行任意 JS（/eval）、截图（/screenshot）、导航与后退（/navigate、/back）、点击（/click、/clickAt）、文件上传（/setFiles）、滚动（/scroll）、关闭 tab（/close）。
  • 支持视频内容获取：通过 /eval 操控 <video> 元素（获取时长、seek、播放/暂停/全屏），配合 /screenshot 采帧进行离散采样分析。
  • 站点经验机制：在 references/site-patterns/ 下按域名存储特定网站经验，包含平台特征、有效模式、已知陷阱。
  • 支持子 Agent 并行调研分治策略，多个子 Agent 共享一个 Chrome、一个 Proxy，通过不同 targetId 操作不同 tab。

使用方式

前置检查：

bash ${CLAUDE_SKILL_DIR}/scripts/check-deps.sh

要求 Node.js 22+（必需，使用原生 WebSocket；版本低于 22 可用但需安装 ws 模块），Chrome 需开启 remote-debugging：在 Chrome 地址栏打开 chrome://inspect/#remote-debugging，勾选 "Allow remote debugging for this browser instance"，可能需要重启浏览器。检查通过后再启动 CDP Proxy 执行操作，未通过则引导用户完成设置。

Proxy API 通过 curl 调用 HTTP API，例如：

curl -s http://localhost:3456/targets
curl -s "http://localhost:3456/new?url=https://example.com"
curl -s -X POST "http://localhost:3456/eval?target=ID" -d 'document.title'
curl -s "http://localhost:3456/screenshot?target=ID&file=/tmp/shot.png"
curl -s -X POST "http://localhost:3456/click?target=ID" -d 'button.submit'
curl -s -X POST "http://localhost:3456/clickAt?target=ID" -d 'button.upload'
curl -s -X POST "http://localhost:3456/setFiles?target=ID" -d '{"selector":"input[type=file]","files":["/path/to/file.png"]}'
curl -s "http://localhost:3456/scroll?target=ID&y=3000"
curl -s "http://localhost:3456/close?target=ID"

跨平台兼容：临时文件路径 macOS/Linux 为 /tmp/shot.png，Windows 为 %TEMP%\shot.png；Chrome 用户数据 macOS/Linux 为 ~/Library/Application Support/Google/Chrome/，Windows 为 %LOCALAPPDATA%\Google\Chrome\User Data\；Node.js 安装 macOS 用 brew install node，Windows 用 winget install OpenJS.NodeJS.LTS。Windows 用户注意：check-deps.sh 是 bash 脚本，需通过 Git Bash 或 WSL 运行，截图路径请使用 %TEMP%\shot.png 替代 /tmp/shot.png。

适用场景

  • 需要登录态的操作。
  • 反爬严格的平台（小红书、微信公众号等）。
  • 页面交互操作。
  • 动态渲染内容抓取。
  • 需要像人一样在浏览器内自由导航探索。
  • 多目标并行调研（如同时调研 N 个项目、N 个来源）。
  • 信息核实类任务，定位一手来源。
  • 视频内容离散采样分析。

浏览哲学与工具选择

像人一样思考，兼顾高效与适应性地完成任务：① 拿到请求，先明确用户要做什么，定义成功标准；② 选择起点，根据任务性质、平台特征、达成条件选最可能直达的方式；③ 过程校验，每一步结果都是证据，用结果对照成功标准，发现方向错了立即调整；④ 完成判断，对照成功标准确认完成，不过度操作。

联网工具选择：搜索摘要或关键词结果用 WebSearch；URL 已知定向提取用 WebFetch；需要原始 HTML 源码用 curl；非公开内容或静态层无效的平台用浏览器 CDP；需要登录态、交互操作或自由导航探索用浏览器 CDP。Jina（r.jina.ai/example.com）为可选预处理层，可将网页转为 Markdown 节省 token，限 20 RPM。

浏览器内操作有两种方式：程序化方式（构造 URL 直接导航、eval 操作 DOM）速度快、精确，但更容易触发反爬；GUI 交互（点击、填写、滚动）确定性最高但步骤多、速度慢。程序化方式受阻时，GUI 交互是可靠兜底。不要凭记忆构造带参数的 URL。

登录判断与任务结束

登录判断的核心问题只有一个：目标内容拿到了吗？打开页面后先尝试获取目标内容，只有当确认目标内容无法获取且判断登录能解决时，才告知用户登录具体网站，登录完成后无需重启任何东西，直接刷新页面继续。

任务结束时用 /close 关闭自己创建的 tab，必须保留用户原有的 tab 不受影响。Proxy 持续运行，不建议主动停止。

限制

  • Windows 用户需 Git Bash 或 WSL 运行 check-deps.sh。
  • Node.js 22+ 为必需，版本低于 22 需安装 ws 模块。
  • 短时间内密集打开大量页面可能触发网站反爬风控。
  • 未提供收费、价格等信息。