SuperAPI AI 工具集

gologin-agent-browser-skill

智能体与模型

查看项目

更新于 10-15 21:53

技能介绍

用途:当任务需要浏览器状态、交互或多步导航时使用该技能,而非仅做抓取。它把浏览器会话工作统一放在 gologin-agent-browser CLI 模型内。

主要能力:会话生命周期(open、close、sessions、current);ref 循环(snapshot、click、type、fill);导航辅助(wait、scroll、scrollintoview);语义辅助(find、get);产物辅助(screenshot、pdf、upload)。技能工具与 CLI 命令一一对应,例如 agent_browser_open 对应 gologin-agent-browser open <url>,agent_browser_snapshot 对应 gologin-agent-browser snapshot,agent_browser_click 对应 gologin-agent-browser click <target>,agent_browser_type 对应 gologin-agent-browser type <target> <text>,agent_browser_fill 对应 gologin-agent-browser fill <target> <text>,agent_browser_find、agent_browser_get、agent_browser_wait、agent_browser_upload、agent_browser_pdf、agent_browser_screenshot、agent_browser_close、agent_browser_sessions、agent_browser_current 同理。

使用方式:包名为 gologin-agent-browser-cli,CLI 为 gologin-agent-browser。预期环境变量包括 GOLOGIN_TOKEN,以及可选的 GOLOGIN_PROFILE_ID、GOLOGIN_DAEMON_PORT、GOLOGIN_CONNECT_BASE。典型 ref 循环:先用 agent_browser_open 打开会话,用 agent_browser_snapshot 获取 refs,再用 click、type 或 fill 操作;若结果提示 snapshot=stale,则重新 snapshot,重复至完成。页面动态或 ref 脆弱时改用语义循环:find 定位、get 读取值/标题/HTML/URL、wait 等待文本、加载状态或目标可用。需要视觉或文档产物时用 screenshot、pdf,需要文件输入时用 upload。

限制与注意:refs 是最新快照内的尽力而为标识,导航或大量 DOM 变化后不要复用旧 refs;ref 失效时优先重新快照或使用语义 find。更多命令契约见 tools.md,简短示例见 examples/,可复用模式见 workflows/。其他细节暂未提供。