用途:该技能用于自动化 Electron 桌面应用。Electron 应用基于 Chromium,会暴露 Chrome DevTools Protocol(CDP)端口,agent-browser 可连接该端口,从而复用网页一样的 snapshot-interact 工作流操作桌面客户端。
主要能力:支持启动带远程调试的 Electron 应用、连接 CDP 端口、元素快照与交互、截图、读取文本、填写表单、导出 JSON 状态;支持多标签页/多窗口切换与 webview 控制;支持命名会话同时控制多个应用;可通过 --color-scheme dark 保留深色模式。
使用方式:先用 --remote-debugging-port 启动应用,再连接并交互。示例:open -a "Slack" --args --remote-debugging-port=9222;agent-browser connect 9222;agent-browser snapshot -i;agent-browser click @e5;agent-browser screenshot slack-desktop.png。也可用 agent-browser --cdp 9222 snapshot -i 或 --auto-connect。标签管理用 agent-browser tab、agent-browser tab 2、agent-browser tab --url "settings"。多应用用 --session:agent-browser --session slack connect 9222。
适用场景:任何基于 Electron 的应用,如 Slack、Discord、VS Code、GitHub Desktop、Figma、Notion、Obsidian、Spotify 等,可用于界面巡检、截图、数据提取、表单填写与多应用协同操作。
限制:应用必须在启动时带上 --remote-debugging-port,若已在运行需先退出再重启;连接失败时需等待应用初始化,用 lsof -i :9222 检查端口占用;元素缺失时可能需切换到正确 webview 或加 -C 包含光标交互元素;无法输入时可尝试 agent-browser keyboard type 或 agent-browser keyboard inserttext。其余收费、价格等信息暂未提供。