SuperAPI AI 工具集

agent-browser-core

智能体与模型

查看项目

更新于 10-16 08:09

技能介绍

用途:提供一套自包含的 agent-browser 使用流程,覆盖首次配置、浏览器操作、通过真实浏览器配置文件认证、共享会话标签页四部分,用于导航网页并执行自动化任务。除 Electron 应用、Slack 桌面或云服务商场景需另载专用技能外,无需额外执行 skills get。

主要能力:首次配置时先检查 agent-browser --help、agent-browser profiles 及 ~/.agent-browser/config.json,并询问用户默认浏览器与配置文件选择;用户级配置含 profile 与 executablePath 字段。浏览器操作核心循环为 open、snapshot -i(获取 @eN 交互元素引用)、click 等动作,页面变化后必须重新快照。支持读取文本、属性、输入值与 URL,支持 click、fill、type、press、check、select、upload、scroll、hover,也可用语义定位器 find role/text/label 回退到 CSS 选择器。提供 wait(元素、文本、URL、networkidle)、截图与录屏、snapshot --json 导出、eval --stdin 执行 JS。标签页支持列出、新建并加标签、按标签或 id 切换、关闭。

使用方式:认证优先复用用户真实浏览器配置文件(Brave、Chrome 可跨关闭/重启保留凭据,捆绑 Chromium 会丢失凭据),先用 profiles 列出,再在自有标签页访问目标页面并通过 get url 判断是否已登录;未登录可尝试其他既有配置文件或请用户在其正常浏览器登录。2FA/OAuth 使用 --headed 并让用户完成,再用 wait --url 等待。并行任务使用默认单一会话,每代理一个标签页,不设置 AGENT_BROWSER_SESSION 或 --session,不关闭会话,切换标签页后重新快照。遇到异常可运行 agent-browser doctor。

限制:禁止要求用户在聊天中粘贴密码、OTP、恢复码、cookie 或会话令牌;不得静默选择捆绑 Chromium;若守护进程已运行,不要自动关闭;配置变更下次启动生效。文中未提供具体收费、价格与效果数据。