agent-browser

agent-browser 技能为 AI 代理提供强大的网页导航与互动能力，专为 NanoClaw 容器化生态系统而设计。它允许代理模拟人类浏览行为，执行复杂任务，包括网页导航、填写动态表单、点击互动元素以及提取结构化数据。此技能适合需要自动化网页工作流程，同时又希望通过 Linux 容器隔离确保主机环境安全的研究人员、工程师及专业用户。

• 完整的网页导航：包含打开、返回、前进、重新加载及 PDF 生成功能。

• 智能化快照：生成辅助功能树，并通过 DOM 引用（如 @e1）识别可交互元素。

• 交互工具套件：支持点击、双击、输入文字、勾选复选框、选择下拉菜单、悬停以及文件上传。

• 信息提取：提取文本、innerHTML、数值、属性、网页元数据，或计算指定元素的数量。

• 语义定位：通过角色 (role)、标签 (label)、占位符 (placeholder) 或可见文本等易于理解的属性搜索并交互。

• 会话管理：支持 Cookie 操作、本地存储管理，以及保存与加载身份验证状态以实现持久化。

• JavaScript 执行：在浏览器上下文中执行自定义脚本，实现高级页面操作。

• 等待工具：支持针对特定元素、网络空闲状态、文本出现或网址模式进行智能等待。

• 最佳实践：在尝试交互前，务必先执行快照以获取最新且有效的元素引用。

• 效率：使用交互式快照 (-i) 以限制 DOM 树范围，减少处理时的 Token 消耗。

• 持久化：善用状态保存功能处理已登录的会话，避免重复登录程序。

• 隔离性：此技能通过安全 Bash 调用在容器环境中运作，确保不会直接访问主机的敏感资源。

• 监控：针对长时间执行的任务，利用截图功能定期捕捉浏览器视觉状态，供代理进行验证。