dev-browser 是一个浏览器自动化技能,核心特点是在多次脚本执行之间保持页面状态,因此可以编写小型、聚焦的脚本逐步完成复杂任务。适用用途包括导航网站、填写表单、截图、提取网页数据、测试 Web 应用等。
主要能力:通过 client.page("name") 创建或连接命名页面,页面为 Playwright Page 对象;提供 getAISnapshot() 获取 YAML 格式的可访问性树以发现元素,selectSnapshotRef() 按 ref 引用元素进行交互;支持截图、等待加载、检查页面状态等。客户端 API 还包括 list()、close()、disconnect(),断连后页面仍保留在服务器上。
使用方式分为两种模式,需先询问用户使用哪种。独立模式(默认):执行 cd ~/.codex/skills/browser/dev-browser && ./server.sh & 启动新 Chromium,等待 Ready 后运行脚本,可加 --headless。扩展模式:执行 cd ~/.codex/skills/browser/dev-browser && npm i && npm run start-extension & 连接用户现有 Chrome,等待扩展连接,若扩展未连接需提示用户启动扩展(下载链接见资料)。脚本需从 ~/.codex/skills/browser/dev-browser/ 目录运行,可用 heredocs 内联执行 npx tsx。建议每个脚本只做一件事,结尾打印状态以决定下一步;临时脚本写入 tmp/ 目录。page.evaluate() 在浏览器中运行,只能使用纯 JavaScript,不能写 TypeScript 语法。抓取大数据集时建议拦截并重放网络请求,而非滚动 DOM。
限制:页面状态在失败后仍保留,可用于调试;其余如具体性能、兼容范围等暂未提供。