用途:该技能通过 agent-browser CLI 在无头 Chromium 中执行浏览器自动化,适用于需要页面导航与内容提取、填写表单、点击按钮、截图以做视觉验证,以及在页面上下文中执行 JavaScript 的场景。
工具选择:简单 GET 请求和读取页面文本优先使用 WebFetch;遇到 JavaScript 密集的单页应用、表单交互、截图或多步流程时使用浏览器。
常用命令:agent-browser navigate --url "https://example.com" 导航;agent-browser snapshot 获取可访问性树快照,作为截图的轻量替代;agent-browser screenshot --path ./screenshot.png 保存 PNG;agent-browser click --selector "button.submit" 或 agent-browser click --text "Sign In" 点击元素;agent-browser fill --selector "input[name=email]" --value "user@example.com" 填写字段;agent-browser execute --script "document.title" 执行 JavaScript;agent-browser wait --selector ".results" --timeout 5000 等待元素出现。
运行方式与限制:所有命令默认在无头 Chromium 中运行,无需显示服务器;若浏览器安装在对应目录,可设置 PLAYWRIGHT_BROWSERS_PATH=/ms-playwright。超时默认 30 秒,可用 --timeout 覆盖;导航错误(DNS、SSL)以退出码 1 报告并输出 stderr 详情。若 agent-browser 未安装,简单页面读取可回退到 WebFetch。浏览器运行在沙箱化智能体容器内,不提供凭据,认证请求需使用中继代理;截图写入沙箱工作目录。其它细节暂未提供。