SuperAPI AI 工具集

browser-automation

编程与开发

查看项目

更新于 10-15 17:23

技能介绍

用途:当任务确实需要浏览器交互时使用,例如填写表单、点击按钮、走多步流程、访问需登录的内容、抓取客户端渲染的动态页面,或需要类人浏览以绕过机器人拦截。一般信息查询、新闻和公开页面应优先用网页搜索或 url_fetcher,浏览器自动化更慢更重。

主要能力:browser_act(instruction, starting_url?) 用自然语言执行点击、输入、滚动、选择等操作,可用 starting_url 一次调用完成导航与操作;browser_get_page_info(url?, text?, tables?, links?) 快速获取页面结构与 DOM 数据(无需 AI,约 300ms 内),url 先导航,text=True 取全文,tables=True 取表格,links=True 取全部链接(最多 200);browser_manage_tabs(action, tab_index?, url?) 切换、关闭或新建标签页;browser_save_screenshot(filename) 将当前页面截图保存到工作区。

使用方式:browser_act 建议合并最多 3 个可预测步骤,如“1. 在搜索框输入 laptop 2. 点击搜索按钮 3. 点击第一条结果”;打开新页面时用 starting_url,例如 browser_act(instruction='Search for laptops', starting_url='https://amazon.com')。失败时查看截图确认当前状态,再从该点重试。browser_get_page_info 可用 url 一次完成导航与检查,例如 browser_get_page_info(url='https://example.com', tables=True)。视觉创作(图表、绘图)优先用代码或文本输入而非鼠标操作。

适用场景:表单填写、多步工作流、登录后内容、JS 渲染页面、无 API 时的结构化数据抓取。

限制:资料未提供具体平台、收费、价格与效果数据;仅建议在更简单工具不足时使用。