browser-use

Files (3)

• SKILL.md
• run.py
• test_run.py

SKILL.md (first lines)

# browser-use

通过 `@playwright/cli` daemon 连接用户真实 Chrome 浏览器（extension 模式），复用已登录的 session。
**Tab 跨调用持久化** — daemon 进程常驻，tab、cookies、登录状态在多次调用间存活。

## 前置条件

1. Chrome 安装了 [Playwright MCP Bridge](https://chromewebstore.google.com/detail/playwright-mcp-bridge/mmlmfjhmonkocbjadbfplnigmagldckm) 扩展
2. `.env` 中配置了 `ALEX_BROWSER_BRIDGE_TOKEN`（从扩展弹窗复制）

## 核心概念

- **Daemon 持久会话**：首次调用自动启动 daemon（`open --extension`），后续所有调用复用同一会话
- **Snapshot → ref → 操作**：`snapshot` 获取页面无障碍树，每个元素有 `ref`（如 `e44`），用 `click`/`fill`/`type` 操作该 ref
- **不抢前台**：extension 模式连接已有 Chrome，不会弹出新窗口或抢占焦点
- **Token 节省**：snapshot 输出到文件（`.playwright-cli/` 目录），不灌入 stdout

## 调用

```bash
# 首次打开 — 连接 Chrome 扩展（自动启动 daemon）
python3 skills/browser-use/run.py open

# 导航到 URL（自动确保 session 存在）
python3 skills/browser-use/run.py navigate --url https://x.com

# 获取页面快照（无障碍树 + 元素 ref）
python3 skills/browser-use/run.py snapshot

# 点击元素（ref 来自 snapshot）
python3 skills/browser-use/run.py click --ref e44

# 填充输入框（定位到 ref 再填入文本）
python3 skills/browser-use/run.py fill --ref e100 --text "hello world"

# 输入文本到当前焦点元素
python3 skills/browser-use/run.py type --text "search query" --submit true

# 悬停
python3 skills/browser-use/run.py hover --ref e50

# 下拉选择
python3 skills/browser-use/run.py select --ref e80 --value "option1"

# 截图
python3 skills/browser-use/run.py screenshot --filename page.png
python3 skills/browser-use/run.py screenshot --ref e44 --filename element.png
python3 skills/browser-use/run.py screenshot --full_page true --filename full.png

# 按键
python3 skills/browser-use/run.py press_key --key Enter
python3 skills/browser-use/run.py press_key --key "Control+a"

# 导航
python3 skills/browser-use/run.py go_back
python3 skills/browser-use/run.py go_forward
python3 skills/browser-use/run.py reload

# 执行 JavaScript
python3 skills/browser-use/run.py evaluate --function '() => document.title'
python3 skills/browser-use/run.py evaluate --function '(el) => el.textContent' --ref e44

# 执行 Playwright 代码
python3 skills/browser-use/run.py run_code --code 'async (page) => await page.title()'

# Tab 管理（跨调用持久！）
python3 skills/browser-use/run.py tabs                        # 列出所有 tab
python3 skills/browser-use/run.py tab_select --index 0        # 切换到 tab 0
python3 skills/browser-use/run.py tab_new --url https://...   # 新开 tab
python3 skills/browser-use/run.py tab_close --index 1         # 关闭 tab

# 调试
python3 skills/browser-use/run.py console                     # 查看 console 日志
python3 skills/browser-use/run.py network                     # 查看网络请求
python3 skills/browser-use/run.py pdf                         # 导出 PDF

# 关闭会话
python3 skills/browser-use/run.py close
```

## Tab 复用工作流

Tab 在 daemon 会话中持久化。跨调用复用示例：

```bash
# 调用 1: 打开 x.com
python3 skills/browser-use/run.py navigate --url https://x.com

# 调用 2: 直接 snapshot（还在 x.com 页面上！）
python3 skills/browser-use/run.py snapshot

# 调用 3: 操作 x.com 页面元素
python3 skills/browser-use/run.py click --ref e43

# 调用 4: 查看所有 tab
python3 skills/browser-use/run.py tabs

# 调用 5: 切换到另一个 tab
python3 skills/browser-use/run.py tab_select --index 0
```

## 典型场景

### 社交平台（X / 小红书 / 微博 / 知乎）

```bash
# 打开 → 搜索 → 获取结果
python3 skills/browser-use/run.py navigate --url https://x.com/search
python3 skills/browser-use/run.py snapshot
# 找到搜索框 ref → 填入关键词
python3 skills/browser-use/run.py fill --ref SEARCH_REF --text "AI agent"
python3 skills/browser-use/run.py press_key --key Enter
python3 skills/browser-use/run.py snapshot
```

### 发帖 / 评论

```bash
python3 skills/browser-use/run.py navigate --url https://x.com/compose/post

From cklxx/elephant.ai, MIT.

More from cklxx/elephant.ai