用途
browser-operations 用于操作用户的 Cloud Space 云浏览器。页面动作以自然语言指令形式交由 Stagehand 在实时浏览器上执行，让 AI 可以像人一样浏览网页、点击、输入并提取内容。
主要能力
云空间生命周期
- list_cloud_spaces / get_cloud_space：查找用户的云空间及其状态，不应猜测 cloudSpaceId。
- start_cloud_space：启动已停止的空间，或附加到正在运行的空间。此操作消耗积分，可能需要用户批准；若批准被拒绝，不应重试，应告知用户。
- stop_cloud_space：用户不再需要浏览器时，停止空间并释放会话。
- list_cloud_space_pages：列出标签页的 pageId、标题和 URL。
页面操作（需空间处于运行状态；每次调用需提供 cloudSpaceId，pageId 可选，默认为第一个标签页）
- browser_goto：将标签页导航到指定 URL。
- browser_act：执行一条自然语言动作（点击、输入、选择、按键、滚动）。
- browser_observe：列出页面上的候选操作，适合探索陌生页面或规划多步流程。
- browser_extract：从页面提取文本和链接。
- browser_screenshot：将页面截取为图片 URL，用于视觉验证。
使用方式
- 确认空间：调用 list_cloud_spaces（或使用用户提供的 cloudSpaceId），若未运行则 start_cloud_space。
- 行动前先侦察：用 browser_observe 或 browser_screenshot 查看页面实际内容，不要根据 URL 假设页面结构。
- 用 browser_act 一次执行一步操作。
- 每个重要操作后验证：重新观察或截图，确认页面出现预期变化。
- 提取或验证最终状态，并用 URL 汇报结果。
- 用户完成后，提供或调用 stop_cloud_space。
编写动作指令的要点
- 一次 browser_act 调用只包含一个动作，不要合并多个步骤。
- 用元素类型、可见文本和位置描述元素，而非外观。
- 使用精确动词：click（按钮/链接/复选框）、type（文本输入框）、select（下拉框）、press（按键）、scroll。
- 长文本可先输入简短且有辨识度的前缀，再继续补充。
页面交互规则
- 优先处理弹窗、Cookie 横幅和模态遮罩。
- 页面仍在加载或内容缺失时，先观察或截图等待后再操作。
- 在搜索框或组合框输入后，检查下一次观察是否出现建议下拉，若出现则点击匹配项而非直接回车。
- 用户给出条件（价格、日期、评分等）时，先寻找筛选或排序控件并应用。
- 同一站点复用标签页；标签页状态不明确时用 list_cloud_space_pages 核实。
适用场景
适合需要在真实浏览器中完成网页导航、信息检索、表单填写、内容提取与结果验证的多步任务，以及需要视觉确认页面状态的操作。
限制
- 只应报告工具结果中实际观察到的数据（observe/extract/screenshot），不得用训练知识填补空白。
- browser_extract 返回页面原文，应以此为事实依据。
- 动作失败或页面未按预期变化时，应重新观察并调整策略，同一失败调用不应重复超过两次。
- 遇到登录墙且无凭据、403 或机器人检测时，不应持续重试，应告知用户受阻情况。
- 不应自行编造或索取凭据；空间可能已登录，先观察。
- 若陷入循环（URL 相同、多步无进展），应更换策略或报告部分结果。
- 汇报成功前需验证最终状态符合用户请求；未验证部分应如实说明为未验证。