SuperAPI AI 工具集

browser-task

智能体与模型

查看项目

更新于 10-16 07:28

技能介绍

用途:browser_task 是 OpenAkita 提供的智能浏览器任务工具,基于 browser-use 开源项目实现,用于以自然语言描述并自动完成多步骤浏览器操作,被列为浏览器操作的首选工具。

主要能力:支持网页搜索、表单填写、信息提取、截图等任务;可处理登录、填表、筛选等复杂多步交互;在不确定具体操作步骤时也可使用。

使用方式:调用 browser_task(task="任务描述", max_steps=15)。task 为必填的自然语言任务描述;max_steps 可选,默认 15,复杂任务可适当增加。示例:browser_task(task="打开百度搜索福建福州天气")、browser_task(task="打开 GitHub 首页,获取今日热门项目的名称")。

工具选用顺序:有 opencli adapter 时优先 opencli_run;仅只读时用 web_fetch 或 web_search;复杂多步交互用 browser_task;失败或需精确控制时再用 browser_navigate、browser_click 等细粒度工具;操作用户已登录的 Chrome 可用 chrome-devtools MCP。

返回值:包含 success、result(task、steps_taken、final_result、message)等字段。

限制与注意:任务描述需清晰具体,避免歧义;首次使用会自动以可见模式启动浏览器;自动继承系统 LLM 配置,无需额外 API Key;通过 CDP 复用已启动的浏览器。若需操作用户已打开的 Chrome,需以调试模式启动,例如 Windows:"C:\Program Files\Google\Chrome\Application\chrome.exe" --remote-debugging-port=9222;macOS:/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome --remote-debugging-port=9222;Linux:google-chrome --remote-debugging-port=9222。相关技能包括 browser_screenshot、browser_navigate、deliver_artifacts。