web-access 是一个面向联网操作的技能,用于统一处理搜索、网页抓取、登录后操作与网络交互等任务。触发场景包括:用户要求搜索信息、查看网页内容、访问需要登录的网站、操作网页界面、抓取社交媒体内容(如小红书、微博、推特等)、读取动态渲染页面,以及任何需要真实浏览器环境的网络任务。
用途与定位:技能强调“像人一样思考”的浏览方式,围绕“我要达成什么”做决策,先明确用户请求与成功标准,再选择起点、在过程中校验并判断任务是否完成。它不依赖固定步骤,而是根据结果证据动态调整方向。
主要能力:通过 CDP Proxy 直连用户日常 Chrome,天然携带登录态,无需启动独立浏览器。所有操作通过本地 HTTP API 调用,包括列出已打开标签页、创建后台标签页、获取页面信息、执行任意 JavaScript(读写 DOM、提取数据、操控元素、提交表单)、截图、导航与后退、点击(JS click 与真实鼠标点击)、设置文件上传、滚动触发懒加载、关闭标签页。支持从 DOM 提取媒体 URL、通过操控 video 元素配合截图对视频内容进行离散采样分析,以及递归遍历穿透 Shadow DOM 与 iframe 边界获取结构化内容。
使用方式:先运行前置检查脚本 check-deps.mjs,检查 Node.js 与 Chrome 端口并确保 Proxy 已连接。要求 Node.js 22+(低于 22 可用但需安装 ws 模块),并在 Chrome 中通过 chrome://inspect/#remote-debugging 勾选允许远程调试,可能需要重启浏览器。检查通过后须向用户展示“部分站点对浏览器自动化操作检测严格,存在账号封禁风险”的温馨提示,再启动 CDP Proxy 执行操作。技能还给出联网工具选择策略:WebSearch 用于搜索发现来源,WebFetch 用于从已知 URL 定向提取信息,curl 用于获取原始 HTML 源码,浏览器 CDP 用于非公开内容、需要登录态或交互操作,Jina 可作为可选预处理层将网页转为 Markdown 以节省 token(限 20 RPM)。
适用场景:需要登录态的网站访问、网页界面操作、社交媒体内容抓取、动态渲染页面读取、视频内容采样、多目标并行调研等。技能支持将独立的多目标调研任务分治给子 Agent 并行执行,共享一个 Chrome 与 Proxy,通过不同 targetId 操作不同标签页。
限制与注意事项:操作应在自己创建的后台标签页中进行,任务结束后关闭自建标签页并保留用户原有标签页;Proxy 持续运行,不建议主动停止,重启后需重新授权。短时间内密集打开大量页面可能触发反爬风控。平台返回的“内容不存在”等提示不一定反映真实状态。判断登录与否的核心是目标内容能否拿到,仅在确认登录能解决问题时才提示用户登录。