SuperAPI AI 工具集

ego-browser

前端与建站

查看项目

更新于 10-15 17:34

技能介绍

用途:ego-browser 用于在浏览器中执行自动化操作,例如打开和操作网站、填写表单、点击按钮、截图、提取页面数据以及登录等网页任务。它通过命令行运行 Node.js 脚本,由 Skill 提供的自定义浏览器 API 控制页面。

主要能力:提供 TaskSpace 和 Page 两类核心接口。TaskSpace 用于组织一次用户目标,包含 spaceId、page(label)、tabs()、newPage()、adopt()、release()、waitForControl()、handOff()、finish() 等。Page 提供 goto()、reload()、waitForURL()、waitForSelector()、waitForFunction()、click()、fill()、hover()、dragAndDrop()、selectOption()、press()、setInputFiles()、acceptDialog()、dismissDialog() 等操作,以及 url()、title()、info()、snapshot()、screenshot()、evaluate()、fetch()、cdp() 等观察与底层接口。

使用方式:以 heredoc 或 -e 方式运行脚本,如 ego-browser nodejs <<'EOF' ... EOF,必要时使用 ego-browser nodejs -e '...'。脚本始终在 Node.js 中运行,页面内的 JavaScript 需放入 page.evaluate()。该运行时使用 ESM,加载本地文件需动态 import。整个用户目标只创建一个 TaskSpace,并复用同一空间和页面标签;新进程不会保留 JavaScript 变量,但空间、标签和页面标签会保留。

适用场景:适合普通 DOM 页面的语义化操作以及 canvas、富文本、表格、地图等缺乏 DOM 语义的视觉页面操作;截图后可配合图像查看工具确认结果。

限制:ego-browser 提供的是自定义的小型 API,不是 Playwright,即使方法名相似也不应推断 locator()、getByRole()、context()、expect()、route() 等方法;未覆盖的操作应使用 page.evaluate() 或 page.cdp()。选择器动作要求唯一匹配,多个可操作匹配会产生歧义。不要在页面名称之外使用 window、document 等页面全局变量。不明确或缺失事实(如具体收费、平台支持范围、安装细节)暂未提供,安装、连接或运行时问题需参考 references/install.md。