SuperAPI AI 工具集

opencli-browser

智能体与模型

查看项目

更新于 10-15 22:39

技能介绍

用途:让智能体通过 opencli 驱动一个真实的 Chrome 窗口,完成页面检查、表单填写、点击已登录流程或临时数据提取等任务。若要在 ~/.opencli/clis/<site>/ 下构建可复用适配器,应改用 opencli-adapter-author。

前置条件:先运行 opencli doctor,直到其输出为绿色,否则其他命令都无法工作。常见失败原因包括 Chrome 未运行、扩展未安装、调试端口被 1Password 或其他扩展占用。

会话生命周期:opencli browser * 命令要求 browser 后紧跟 <session> 位置参数。多步流程使用同一会话名,并行浏览器工作使用不同名称。自有会话在调用之间保持标签页租约,可用 opencli browser <session> close 释放或等待空闲超时。opencli browser <session> bind 可把已打开的 Chrome 标签页绑定到会话,适用于已登录页面、SSO 流程或手动定位的页面;绑定不会拥有用户窗口,也不会关闭用户标签页,标签页关闭或不可调试时会失败关闭。绑定会话允许导航,但仍禁止标签页变更操作。

心智模型:选择器优先的目标契约,每个交互命令接受一个 <target>,即 state/find 的数字 ref 或 CSS 选择器,可用 --nth 消歧。每个信封报告 matches_n 和 match_level(exact、stable、reidentified)。输出优先紧凑,按需获取完整负载。错误为机器可读的 {error: {code, message, hint?, candidates?}},应按 code 分支。

关键规则:先检查再操作,先运行 state 或 find;优先使用站点适配器而非原始浏览器驱动;有数字 ref 时优先于 CSS;每次写入后读取 match_level;表单控件使用 compound 字段;重要写入需验证;页面变化后重新取快照;复用新解析 ref 时用 && 链接;eval 只读;优先用 network 而非屏幕抓取。

命令参考:检查类有 state、state --source ax、state --compare-sources、find、frames、screenshot、screenshot --annotate;读取类有 get title/url/text/value/attributes/html;交互类有 click、hover、focus、dblclick、check、uncheck、upload、drag、type、fill、select、keys、scroll;等待类有 wait selector/text/download/time;提取类有 web read、eval、extract;网络类有 network 及其 --detail、--filter、--all、--raw、--ttl 选项。

限制:eval 为只读,不能提交表单、点击或导航;跨源 iframe ref 为尽力而为;wait download 需要 Browser Bridge 扩展 1.0.8+;原生 HTML5 dataTransfer 拖放可能需要站点特定回退;自动完成控件、React 受控输入和掩码字段可能静默吞字符,CLI 无法检测。资料未提供收费、价格、平台与效果信息。