SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场autobrowse-agent-browser

autobrowse-agent-browser

智能体与模型

查看项目

更新于 10-16 08:12

技能介绍

用途

AutoBrowse Agent Browser 用于通过迭代式实验，为特定的网站任务构建可靠的浏览器自动化技能。它适合这样的场景：你希望让智能体学会一套针对某个网站任务的、可重复执行的浏览器操作流程，并在多次尝试中不断改进，而不是一次性写出脚本。它基于 agent-browser 而非 Browserbase browse 实现。

主要能力

  • 通过任务描述（task.md）与策略文件（strategy.md）组织一次自动化学习过程。
  • 运行评估脚本执行单次尝试，并生成追踪摘要（summary.md）供分析。
  • 支持只做一处具体改进后重跑，逐步逼近稳定可用的工作流。
  • 当工作流稳定后，可将其固化为自包含的技能文件（SKILL.md），便于复用。
  • 生成的策略中使用 agent-browser 的原语命令（如 open、wait、snapshot、click、fill 等）。
  • harness 会为并行安全的运行注入唯一的 agent-browser --session 名称。

使用方式

安装（来自 skills.sh）：

npx skills add https://github.com/t0dorakis/theo-pi --skill autobrowse-agent-browser

仅预览而不安装：

npx skills add https://github.com/t0dorakis/theo-pi --skill autobrowse-agent-browser --list --full-depth

源码目录位于仓库中的：

skills/autobrowse-agent-browser

如果全局安装，在运行 harness 脚本前需要指向已安装的技能目录：

export AUTOBROWSE_AGENT_BROWSER_DIR="${AUTOBROWSE_AGENT_BROWSER_DIR:-$PWD/skills/autobrowse-agent-browser}"

初始化设置：

export AUTOBROWSE_AGENT_BROWSER_DIR="${AUTOBROWSE_AGENT_BROWSER_DIR:-$PWD/skills/autobrowse-agent-browser}"
cd "$AUTOBROWSE_AGENT_BROWSER_DIR"
npm install
command -v agent-browser || npm install -g agent-browser
agent-browser install # downloads browser runtime; may need extra disk/network access

不需要 ANTHROPIC_API_KEY。按本仓库 ACPX 委派的方式配置 ACPX/Claude Code 认证即可。

工作流：

创建 workspace：

mkdir -p ./autobrowse/tasks ./autobrowse/traces ./autobrowse/reports

创建任务：

TASK=<short-kebab-name>
mkdir -p ./autobrowse/tasks/$TASK
cp "$AUTOBROWSE_AGENT_BROWSER_DIR/references/example-task.md" ./autobrowse/tasks/$TASK/task.md
$EDITOR ./autobrowse/tasks/$TASK/task.md

运行一次评估：

node "$AUTOBROWSE_AGENT_BROWSER_DIR/scripts/evaluate.mjs" --task "$TASK" --workspace ./autobrowse
# optional: --agent claude --timeout 1200 --deny-all

读取追踪：

cat ./autobrowse/traces/$TASK/latest/summary.md 2>/dev/null || ls -t ./autobrowse/traces/$TASK/run-*/summary.md | head -1 | xargs cat

只在 ./autobrowse/tasks/$TASK/strategy.md 中写入一处具体改进，然后重跑。

在 3 到 5 次迭代后停止，或当最近三次运行中有两次通过时停止。

学习到的策略中可用的 agent-browser 命令规则：

agent-browser open <url>
agent-browser wait --load networkidle
agent-browser snapshot -i
agent-browser click @e1
agent-browser fill @e2 "value"
agent-browser keyboard type "text"
agent-browser press Enter
agent-browser scroll down 500
agent-browser screenshot traces/task/screenshots/step-01.png
agent-browser get url
agent-browser get title
agent-browser get text body
agent-browser eval 'document.title'
agent-browser close

引用采用 @eN 形式，而不是 Browserbase 的 [0-5] 形式。每次导航后以及每次改变 DOM 的操作后都要重新 snapshot。harness 会注入唯一的 agent-browser --session 名称以实现并行安全运行。

固化（Graduation）：当工作流稳定后，将自包含的技能写入以下任一位置：

  • skills/<task-name>/SKILL.md，如果源码需要提交到本仓库。
  • ~/.agents/skills/<task-name>/SKILL.md，仅本地使用。

固化后的技能必须包含：目的、触发条件、确切的工作流、站点特定的注意事项、失败恢复方式，以及预期的 JSON 输出。

适用场景

  • 需要让智能体学会某个网站任务的重复性浏览器操作流程。
  • 希望通过多次实验和追踪分析逐步打磨自动化策略。
  • 需要将稳定的浏览器工作流固化为可复用技能。

限制与注意事项

  • 不要使用 Browserbase browse 命令或 [X-Y] 形式的引用。
  • 除初始创建外，迭代过程中不要编辑 task.md。
  • 不要重复失败的操作；应读取追踪、形成一个假设、修补 strategy.md。
  • harness 默认使用 ACPX --approve-all，因此被委派的 Claude 可以浏览网页并写入追踪产物；只应在可信 workspace 中运行。
  • 将 ./autobrowse/traces/ 视为敏感内容；快照和消息可能包含页面文本或已认证数据；仓库根目录的 autobrowse/ 已通过 gitignore 作为兜底。
  • 当可见文本不足时，优先使用确定性的 agent-browser eval 提取。

关于平台支持、价格、收费等其他信息，资料中暂未提供。