用途:在浏览器中执行自动化操作,并在多次命令之间保留页面状态,适合导航网站、填写表单、截图、提取网页数据、测试 Web 应用等场景。
主要能力:提供页面管理(list/create/goto/close/info/release)、元素交互(click/fill/hover/keyboard/text)、JavaScript 执行(evaluate)、截图(含整页)、等待(wait-load/wait-selector/wait-url)以及基于无障碍树的 ARIA 快照(snapshot,-i 仅显示可交互元素),并可用 ref 定位后通过 select-ref 操作。
使用方式:需浏览器服务运行(Max 处于打开状态),先检查 curl -s http://localhost:9222/ | head -1 || echo "SERVER_NOT_RUNNING"。命令统一通过 uv run skills/browser/client.py <command> [arguments] 执行,官方强调使用 uv run client.py 而非 uv run python client.py。复杂任务可按“执行—观察—评估—决策”循环逐步推进;需要循环或事件处理时可写 Python 脚本,页面对象为标准 Playwright Page。
选择策略:本地或可读源码的站点可先看源码直接写选择器;未知布局先用 snapshot 发现元素,再用 select-ref 交互;视觉调试用 screenshot。抓取大数据集时可拦截并重放 API 请求,参见 refs/scraping.md。注意传给 page.evaluate() 的代码运行在浏览器中,不能包含 TypeScript 语法。
限制:操作期间页面被锁定并显示“Agent Operating”,完成全部操作后必须调用 release 释放页面(否则约 30 秒后才超时解锁)。这些命令依赖本地浏览器服务与对应技能目录环境。其他未在资料中说明的能力、收费或平台支持暂未提供。