用途：通过 Midscene Chrome 扩展的 Bridge 模式自动化用户真实 Chrome 浏览器，保留 Cookie、会话与登录状态。AI 智能体充当大脑，依据截图决定下一步操作，全程不依赖 DOM 或无障碍标签。
主要能力：连接网页、截图、执行自然语言描述的动作（点击、输入、滚动、悬停、等待、导航）、断开连接。act 命令可自主处理复杂高层任务，无需拆成小步骤。
使用方式：命令格式为 npx @midscene/web@1 --bridge <subcommand> [args]，--bridge 为必需。常用子命令：connect --url、take_screenshot、act --prompt、disconnect。需配置环境变量 MIDSCENE_MODEL_API_KEY、MIDSCENE_MODEL_NAME、MIDSCENE_MODEL_BASE_URL、MIDSCENE_MODEL_FAMILY，可写入 .env。示例模型包括 Gemini-3-Flash、Qwen 3.5、Doubao Seed 2.0 Lite 等。
关键规则：命令必须同步运行，禁止后台执行；一次只运行一条命令，等待完成并读取截图后再决定下一步；每条命令约需 1 分钟，复杂 act 更久；任务完成后必须主动汇报结果，包括关键数据、已完成动作、截图路径与发现。
工作流：先 connect 建立会话，再 take_screenshot 确认页面加载，然后用 act 执行动作，最后汇报结果。仅在整体任务完全结束时才 disconnect；多轮对话中可保持连接。
适用场景：需要登录态的真实浏览器操作、表单填写、下拉选择、页面导航等视觉驱动自动化。
限制：需用户预先安装并启用 Midscene Chrome 扩展，且扩展显示 Listening；需配置支持强视觉定位能力的模型；连接失败时需检查 Chrome 与扩展状态。截图路径为本地绝对路径，需用 Read 工具查看。