用途:该技能提供一个浏览器控制工具 browser_tool.py,通过 CDP 控制真实可见的 Chromium 浏览器,适合需要模拟真实用户操作网页的任务,例如导航、点击、填表、读取页面结构。
首次安装:若工具尚未安装,运行 python3 ~/.qwen/skills/browser/browser_tool.py install。
架构:launch 以分离进程启动 Chromium,并带 --remote-debugging-port=9222;其他命令通过 CDP 连接、执行后断开,浏览器独立保持打开,无需阻塞等待;配置持久化于 ~/.browser-tool/profile/,登录状态可跨会话保留。
使用方式:先定义 BT="python3 ~/.qwen/skills/browser/browser_tool.py"。启动:$BT launch(Playwright)、$BT launch --patchright(反检测模式)、$BT launch --connect 9222(连接已有 Chrome)。交互:navigate、click、type(可用 --clear)。观察:snapshot 获取无障碍树(推荐用于 AI 理解页面),可加 --selector 限定范围;screenshot 保存到 /tmp/browser_screenshots/,支持 --name 与 --full;html 获取完整或指定元素 HTML;evaluate 执行 JS。等待:wait --selector 与 --timeout。管理:pages、status、close。
规则与限制:任何命令前必须先 launch;理解页面结构优先用 snapshot,比截图更快更准;遇到 Cloudflare、DataDome 等机器人检测的站点使用 Patchright;launch 不阻塞,会分离进程并立即返回。官方文档未提供更多关于权限、费用或平台支持的信息。