browser

用途

Browser 是一个网页浏览器自动化技能，服务于 claude-flow 智能体。它基于 agent-browser 工具，通过 AI 优化的快照机制来操作网页，据资料称可将上下文占用降低 93%——其方式是使用元素引用（如 @e1、@e2）而非完整 DOM。

核心工作流

基本流程分为四步：

1. 导航到页面：agent-browser open <url>
2. 获取带元素引用的可访问性树：agent-browser snapshot -i（-i 表示仅交互元素）
3. 使用快照中的引用进行交互：agent-browser click @e2、agent-browser fill @e3 "text"
4. 页面变化后重新快照：agent-browser snapshot -i

主要能力

导航

支持 open <url>（跳转 URL）、back（后退）、forward（前进）、reload（刷新）、close（关闭浏览器）。

快照（AI 优化）

• snapshot：完整可访问性树
• snapshot -i：仅交互元素（按钮、链接、输入框）
• snapshot -c：紧凑模式（移除空元素）
• snapshot -d 3：限制深度为 3 层
• screenshot [path]：截图（无路径时返回 base64）

交互

click <sel>（点击）、fill <sel> <text>（清空并填充输入）、type <sel> <text>（带按键事件输入）、press <key>（按键，如 Enter、Tab）、hover <sel>（悬停）、select <sel> <val>（选择下拉项）、check/uncheck <sel>（切换复选框）、scroll <dir> [px]（滚动页面）。

获取信息

get text <sel>、get html <sel>、get value <sel>、get attr <sel> <attr>、get title、get url。

等待

wait <selector>（等待元素）、wait <ms>（等待毫秒）、wait --text "text"（等待文本）、wait --url "pattern"（等待 URL）、wait --load networkidle（等待加载状态）。

会话

--session <name>（使用隔离会话）、session list（列出活动会话）。

选择器

支持三类选择器：

1. 元素引用（推荐）：从 snapshot -i 输出中获取引用（如 button "Submit" [ref=e2]），再用 agent-browser click @e2 交互。
2. CSS 选择器：如 agent-browser click "#submit"、agent-browser fill ".email-input" "test@test.com"。
3. 语义定位器：如 agent-browser find role button click --name "Submit"、agent-browser find label "Email" fill "test@test.com"、agent-browser find testid "login-btn" click。

使用方式与示例

资料提供了登录流程、表单提交、数据提取和多会话（Swarm）等示例。

登录流程示例：依次执行 open 打开登录页、snapshot -i 获取引用、fill 填写账号密码、click 提交，最后 wait --url "**/dashboard" 等待跳转。

表单提交示例：打开联系页、快照、逐个 fill 填写字段、click 提交，并用 wait --text "Thank you" 等待成功提示。

数据提取示例：打开商品页、快照，然后对商品引用逐个执行 get text 获取名称、价格，get attr @e3 href 获取链接。

多会话示例：会话 nav 打开页面并 state save auth.json 保存认证状态；会话 scrape 通过 state load auth.json 加载同一认证后访问数据页并快照，实现带认证的并行抓取。

与 Claude Flow 集成

所有浏览器操作都作为 MCP 工具提供，带有 browser/ 前缀，包括 browser/open、browser/snapshot、browser/click、browser/fill、browser/screenshot 等。

记忆集成：可用 npx @claude-flow/cli memory store --namespace browser-patterns --key "login-flow" --value "snapshot->fill->click->wait" 存储成功模式，并用 npx @claude-flow/cli memory search --query "login automation" 在类似任务前检索。

钩子：npx @claude-flow/cli hooks pre-edit --file "browser-task.ts" 可在浏览前获取上下文；npx @claude-flow/cli hooks post-task --task-id "browse-1" --success true 可在任务后记录成功结果。

适用场景与限制

该技能适用于面向 claude-flow 智能体的网页自动化任务，如登录、表单提交、数据提取以及需要隔离认证状态的并行浏览工作。其设计强调使用快照与元素引用以获得更小、更确定的输出。资料未说明该技能的收费、定价、支持平台、性能上限或具体限制条件，这些信息暂未提供。