SuperAPI AI 工具集

browser-max-automation

智能体与模型

查看项目

更新于 10-15 16:46

技能介绍

用途:面向可见浏览器自动化,覆盖导航、表单操作、UI 确认与截图获取。可先用 Playwright MCP 交互式建立流程,再用脚本批量执行;也可通过 CDP 复用现有浏览器的登录状态,或在 MCP/connect_over_cdp() 不稳定时改用原始 CDP WebSocket。适合处理模态框、file chooser 等普通点击易失效的界面。

主要能力与模式:默认使用有界面的 headed 浏览器,仅在明确要求时用 headless,且不将其作为自动恢复路径。模式包括:现有 headed 浏览器 + MCP/CDP、保存的 Playwright 脚本/CLI、直接 CDP WebSocket。核心循环为复用已核实的工作标签页,解析目标与预期状态,执行一次操作并按截止时间等待,再回读持久结果后才重试或继续。

使用方式与限制:优先考虑官方 API 或 CLI 完成读写,UI 脆弱(原生文件选择、shadow DOM、多步向导、阻塞渲染器的模态框)时应切换。避免例行调用 bring_to_front 等抢焦点操作,保护用户当前标签页与未保存草稿。凭据、密钥、MFA 响应不在聊天中接收,由用户在浏览器上处理;涉及发送消息、购买、交易、取消或合同变更等副作用需绑定目标与内容单独授权。写操作遵循失败预算:初次尝试加至多一次恢复,跨 UI/CLI/CDP 切换不重置;超时不等于失败,需回读权威状态。每个工作目标使用一个控制器,固定已验证的 profile 与目标 ID;清理只关闭自己拥有的目标。技能引用多个参考文档,如 cdp-existing-browser.md、cdp-direct-websocket.instructions.md、ui-fallbacks.md 等。