用途:当 get_page_text 返回空或只有导航框架、read_page 返回空无障碍树,或页面使用 canvas、WebGL 或自定义渲染引擎,而需要可视化读取或交互其中内容时使用本技能。
主要能力与工具组合:Chrome MCP(mcp__Claude_in_Chrome__)负责导航到 URL、读取普通 HTML、执行页面 JavaScript、点击 DOM 元素和填写表单;computer-use(mcp__computer-use__)负责截屏捕获 canvas 内容、缩放屏幕区域读取细节、按截图坐标点击屏幕可见元素。两者互补,用 Chrome MCP 驱动浏览器,用 computer-use 观察并操作渲染结果。
使用方式:先请求 computer-use 访问 Chrome(mcp__computer-use__request_access,apps: ["Google Chrome"]),根据 windowLocations 判断显示器,必要时用 switch_display 切换;用 navigate 打开目标页;用 screenshot 查看 canvas;用 zoom 放大读取小字(缩放坐标始终来自最近一次完整截图);交互可用 javascript_tool 点击仍为真实 HTML 的导航元素,或 computer-use left_click 按坐标点击 canvas 像素;每次点击后重新截图确认。若 canvas 从后端接口取数,可用 fetch('/some/data/endpoint', {credentials: 'include'}) 绕过界面。
限制与注意:computer-use 只读或 Chrome MCP 断开时,可用 windows-ui-inject 注入点击;canvas 页面上的下拉框可能不是真实 <select>,应视觉读取并用 left_click 操作;canvas 重绘是异步的,点击后需短暂等待再截图。若缺少 computer-use 或 Chrome MCP 访问权限,上述步骤无法完成。