SuperAPI AI 工具集

browser

通用与其它

查看项目

更新于 10-15 22:17

技能介绍

browser worker 在总线上运行真实 Chromium 会话:启动会话、导航后页面即成为数据。browser::snapshot 返回带 [ref=eN] 句柄的可访问性大纲,可直接供 browser::act 使用;页面日志(console 调用、未捕获异常、失败请求)被捕获进每会话的环形缓冲区供查询。与一次性抓取不同,会话保持存活,可执行动作、观察结果并读取页面自身反馈。

用途:需要页面自身证据的 Web 应用排障(读 console 错误与失败请求)、前端端到端验证、需要状态保持的多步流程(表单、登录)、仅 JS 渲染且需后续交互的页面,以及用 browser::styles::read / write 在运行页面中检查与临时修改元素 CSS。

主要能力:sessions::start/list/stop/attach(attach 需配置 allow_attach,且独占式接管标签页)、tabs::list、doctor、recording::start/stop(需 ffmpeg)、navigate、snapshot(diff:true 仅返回变化)、act、screenshot、evaluate、execute(支持顶层 await、log、sleep、waitFor 与会话级 state)、handoff 与 handoff::confirm、console::read、network::read、history、dom::read、styles::read/write,以及 browser::* 触发器等。

用法要点:先 snapshot,再按最新 snapshot 的 ref 操作;ref 在导航后失效,页面变化后需重新 snapshot,可用 diff 降低成本。单次可信输入用 act,需要等待或多步依赖用 execute。破坏性操作分两阶段:先只读发现并返回稳定文本或 id 供用户批准,再仅对批准标识执行,并核对确认弹窗文本。仅检查的任务用 read_only: true 会话。遇到 CAPTCHA、2FA、支付等人类步骤用 handoff 暂停等待,返回后重新读取页面验证。

限制:默认无头,每个会话占用一个 Chromium 进程,会话上限较小,任务结束应停止会话。导航仅限配置的 URL scheme(默认 http/https)。一次性抓取应交由 web::fetch 或 scrapling worker。attach 模式会触及用户已登录的真实浏览器配置,默认关闭且接管独占。styles::write 修改只在当前页面生效,导航后丢失,不触及源码。browser::pick、screencast、frame 属控制台 UI 管道,非面向 agent 的接口;幽灵光标与会话状态徽标仅在 screencast 激活时显示的页面叠加层,不影响页面内容与可访问性快照。大量读取会占用上下文,应使用过滤参数与 since_seq 精简输出。具体配置项、容量数值与价格暂未提供。