核心功能: 本技能提供中文交互、化CLI、化工作流场景等能力。

浏览器CLI工具(免费版)

概述

本工具是一个浏览器自动化命令行工具,提供页面导航、元素交互、信息获取与截图等能力,适合签到、填表、信息抓取等需要控制浏览器的任务。免费版面向个人用户,提供直观的命令行操作体验。

适用场景

场景	是否推荐本工具
自动化浏览器操作(签到/填表/点击)	推荐
需要截图或抓取页面信息	推荐
需要可视化查看浏览器界面	推荐(配合 --headed)
仅需纯API数据请求(无页面交互)	不推荐(改用 curl/httpie)

不适用场景

以下场景浏览器CLI工具-免费版不适合处理：

• 实时流数据处理
• 小规模数据手动分析
• 非结构化文本情感分析

触发条件

需要数据分析、报表生成、统计洞察、数据可视化时使用。不适用于非本工具能力范围的需求。

核心能力

命令总览

命令分类	命令示例	说明
导航	open <url> / back / forward / reload	页面跳转控制
交互	click / fill / type / select / check	元素操作
获取信息	snapshot / get text / get html / screenshot	信息提取
元素定位	find role / find text / find label	多种定位方式

输出: 返回命令总览的执行结果,包含操作状态和输出数据。

核心功能执行

用input_params参数进行配置。

输出: 返回核心功能执行的执行结果,包含操作状态和输出数据。

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

参数配置与调用

用config_options参数进行配置。

输出: 返回参数配置与调用的执行结果,包含操作状态和输出数据。

• 执行此能力时使用config_options参数,支持修改/重置/导入操作 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：Playwright、的浏览器自动化、支持签到、截图与信息抓取、适合个人用户、浏览器自动化命令、行工具、提供导航、信息获取与截图能、适合签到、信息抓取等需要控、制浏览器的任务、核心能力、页面导航与历史控、ref、引用与、CSS、选择器的元素交互、属性等信息提取、截图与页面快照等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持。

使用场景

场景一:每日签到任务

个人用户每日完成站点签到。

# 打开签到页面
agent-browser open https://example.com/checkin

# 获取页面快照,查看可交互元素
agent-browser snapshot

# 点击签到按钮(根据 snapshot 输出的 ref)
agent-browser click @eXX

# 等待页面响应
sleep 2

# 再次快照确认结果
agent-browser snapshot

# 关闭浏览器
agent-browser close

场景二:自动填表

自动填写并提交表单。

agent-browser snapshot

# 通过 label 定位并填写
agent-browser find label "用户名" fill "myuser"
agent-browser find label "密码" fill "mypassword"

# 通过 ARIA 角色点击提交按钮
agent-browser find role button click --name "提交"

场景三:定时签到(配合 cron)

将签到脚本加入定时任务,实现每日自动签到。

# 创建脚本 ~/.skill-platform/scripts/daily-checkin.sh
cat > ~/.sh << 'EOF'
#!/bin/bash
sleep 2
agent-browser find role button click --name "签到"
agent-browser screenshot /tmp/checkin_$(date +%Y%m%d).png
agent-browser close
EOF

# 加入 crontab(每天 9:00 执行)
# crontab -e

快速开始

1. 阅读## 核心能力章节了解skill功能
2. 按## 依赖说明配置环境
3. 执行所需能力对应的命令
4. 参考## 错误处理章节处理异常
5. 查看## FAQ解答常见疑问

依赖详情

如果 agent-browser 未安装:

npm install -g agent-browser
agent-browser install

2. 基础工作流

# 打开网页
agent-browser open <url>

# 获取页面可访问性树(推荐)
agent-browser snapshot

# 点击元素(用 ref 引用)
agent-browser click @<ref>

# 填入内容
agent-browser fill @<ref> "内容"

# 关闭浏览器
agent-browser close

结果处理: 执行完成后,查看输出结果确认操作状态。成功时输出包含处理摘要和结果数据;失败时根据错误信息排查问题,查阅错误处理章节获取恢复步骤。

示例

导航命令

agent-browser open <url>      # 打开URL(别名:goto, navigate)
agent-browser back            # 后退
agent-browser forward         # 前进
agent-browser reload          # 刷新

交互命令

agent-browser click <sel>                    # 点击
agent-browser dblclick <sel>                 # 双击
agent-browser fill <sel> "text"              # 填入(清空后填)
agent-browser type <sel> "text"              # 输入(追加)
agent-browser select <sel> <value>           # 选择下拉选项
agent-browser check <sel>                    # 勾选复选框
agent-browser uncheck <sel>                  # 取消勾选
agent-browser press <key>                    # 按键(Enter/Tab/Escape等)

获取信息

agent-browser snapshot                       # 获取可访问性树(推荐)
agent-browser get text <sel>                 # 获取文本
agent-browser get html <sel>                 # 获取HTML
agent-browser get value <sel>                # 获取输入值
agent-browser get title                      # 获取页面标题
agent-browser get url                        # 获取当前URL
agent-browser screenshot [path]              # 截图
agent-browser screenshot --annotate          # 带标注的截图

元素定位(三种方式)

方式一:通过 snapshot 输出的 ref 引用(推荐)

agent-browser click @e14
agent-browser fill @e13 "hello"

方式二:使用 CSS 选择器

agent-browser click "#submit"
agent-browser fill "input[name='email']" "test@test.com"

方式三:使用 ARIA 角色查找

agent-browser find role button click --name "Submit"
agent-browser find text "Sign In" click
agent-browser find label "Email" fill "test@test.com"
agent-browser find placeholder "Search" type "query"

优选实践

1. 先 snapshot 再操作:每次页面变化后重新获取 ref,避免引用失效。
2. 添加等待:页面加载需要时间,用 sleep 2 或等待命令。
3. 保持浏览器开启:多个操作可在同一浏览器会话中完成,减少启动开销。
4. 完成后关闭:用 agent-browser close 释放资源。
5. 优先使用 ref:相比 CSS 选择器,ref 更稳定,不易因页面结构变化而失效。
6. 使用 find 提升可读性:find label "用户名" 比硬编码选择器更直观。

常见问题

Q1: snapshot 后 ref 找不到元素?

页面 DOM 可能已变化,需要重新执行 agent-browser snapshot 获取最新 ref。在异步加载的页面上,建议先 sleep 2 等待加载完成。

Q2: 元素被遮挡无法点击?

• 尝试滚动到元素位置后再点击
• 检查是否有弹窗遮挡,先关闭弹窗
• 使用 find role button click --name "未指定" 替代 ref

Q3: 安装失败怎么办?

# 检查 Node.js 版本(需 >= 18)
node --version

# 重新安装
npm uninstall -g agent-browser
npm install -g agent-browser
agent-browser install

Q4: 免费版与专业版的区别?

免费版提供核心浏览器自动化能力,适合个人签到、填表等轻量任务。专业版在此基础上提供批量任务调度、并发会话、监控告警、企业集成等高阶能力。

Q5: 如何调试脚本?

# 使用有头模式可视化调试
agent-browser --headed open https://example.com
# 截图查看当前状态
agent-browser screenshot debug.png

依赖说明

运行环境

• Agent 平台: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
• 操作系统: Windows / macOS / Linux
• Node.js: >= 18.0.0

第三方依赖

依赖项	类型	是否必需	获取方式
agent-browser	CLI 工具	必需	npm install -g agent-browser
Chromium	运行时	必需	agent-browser install 自动下载
Node.js	运行环境	必需	系统包管理器安装
LLM API	API	必需	由Agent内置LLM提供

API Key 配置

• 本 Skill 基于Markdown指令,无需额外API Key(除内容中明确标注的外部API)

可用性分类

• 分类: MD+execute(纯Markdown指令,部分功能需exec命令行执行)
• 说明: 基于Markdown的AI Skill,通过自然语言指令驱动Agent完成操作

错误处理

错误场景	原因	处理方式
配置错误	参数缺失或格式错误	检查依赖说明中的配置要求
运行时错误	运行环境不满足	确认运行环境符合依赖说明
网络错误	连接超时或不可达	执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令，参考国内替代方案

已知限制

• 需LLM支持,无LLM环境不可用
• 复杂业务场景建议结合人工经验判断
• 执行效率受模型能力与网络环境影响
• 当前为免费版本,如需完整功能请升级到付费版获取全部能力

安全注意事项

风险类型	防范措施
API密钥泄露	通过环境变量配置，禁止硬编码到代码或配置文件中
命令执行风险	仅执行白名单命令，避免拼接用户输入到命令行参数中
网络通信安全	使用HTTPS协议，验证SSL证书有效性
敏感数据暴露	输出结果中不包含密钥、令牌等敏感信息

使用前请确认已阅读依赖说明章节，确保运行环境满足安全要求。

核心功能

• 自动化执行: 基于指令驱动的自动化流程
• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果
• 信息检索: 快速搜索和过滤目标数据

核心功能

• 自动化执行: 基于指令驱动的自动化流程
• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果
• 信息检索: 快速搜索和过滤目标数据