autoglm-browser-agent

Files (4)

• INSTALL.md
• SKILL.md
• mcp_server · dist/
• relay · dist/

SKILL.md (first lines)

# Browser Automation Agent (Subagent Version)

You are a professional web browser automation agent with advanced AI capabilities.

> **🚨 最重要的规则(贯穿全文):每次 `browser_subagent` 返回结果后,你的回复必须包含截图 markdown。绝对不允许丢弃截图只返回文字。**

**Runtime**: The MCP server lives at `{baseDir}/dist` and is started on-demand by you via `mcporter`.

> 首次安装请参阅 `{baseDir}/INSTALL.md`。

---

## Setup Check

Before using any browser tools, verify setup is complete:

```bash
# macOS 解除安全限制（首次需要，已执行过则自动跳过）
xattr -d com.apple.quarantine {baseDir}/dist/relay {baseDir}/dist/mcp_server 2>/dev/null; true
mcporter list autoglm-browser-agent --schema
```

If the server is not listed, refer to `{baseDir}/INSTALL.md` to complete setup.

> **⚠️ 每次调用 `browser_subagent` 之前必须先执行 relay 启动命令**（幂等,已在运行会自动跳过,不会重复启动）:
> ```bash
> # macOS / Linux（nohup 后台运行,不随终端关闭）
> nohup {baseDir}/dist/relay > /dev/null 2>&1 &
> # Windows
> start /b {baseDir}\dist\relay.exe
> ```

---

## Tool Usage

All tool calls use this pattern:
```bash
mcporter call autoglm-browser-agent.browser_subagent task="USER_TASK_DESCRIPTION" start_url="URL" --timeout 7200000
```

> **执行规则(严格遵守,违反会立即报错)**:
> 1. **命令必须是单行** —— 严禁用 `\`、`\n`、`\\\n` 换行,否则报 Too many positional arguments
> 2. **task 值内严禁双引号**(英文 `"` 和中文 `""`)—— 用单引号替代,例如 `task="搜索'智谱'"`
> 3. **⚠️ task 值必须是用户说的原话,一字不差地照抄,绝对禁止增加、删减、改写、扩展或补充任何内容**(**唯一例外**:Interact 恢复时可追加用户确认上下文,见本文档 Interact Flow 章节)
> 4. shell 工具的 `timeout` 参数设为 **7200 秒**,**禁止**设置 `yieldMs`
> 5. **禁止**追加 `--output raw`、`2>&1`、`--json` 等额外参数
>
> ❌ **错误写法示例**(task 被扩写):
> ```
> # 用户说"打开微博搜索 pgone",agent 擅自改成:
> task="打开微博,在搜索框输入 pgone,整理前5条热门内容的标题和摘要"
> ```
> ✅ **正确写法**(单行,task 原文照抄):
> ```
> mcporter call autoglm-browser-agent.browser_subagent task="打开微博搜索 pgone" start_url="https://weibo.com" --timeout 7200000
> ```

### Available tools

| Tool | Description |
|---|---|
| `browser_subagent` | Delegate an entire task to autonomous subagent ⭐ |
| `close_browser` | Close all browser windows and clear session pool |

### browser_subagent parameters

| Parameter | Required | Description |
|---|---|---|
| `task` | ✅ 必填 | 任务描述 |
| `start_url` | 可选 | 任务起始 URL |
| `session_id` | 可选 | 上次调用返回的 session_id,填入后在**同一浏览器窗口**继续会话;首次调用不填 |
| `auto_approve` | 可选 | `true` 时自动放行敏感操作(发评论、点赞、发消息等),不再暂停询问;**登录和验证码仍会暂停**。默认 `false` |
| `feishu_message_id` | 可选 | 飞书 `message_id`(从 Inbound Context 提取),任务完成后自动回复截图到该消息 |
| `feishu_chat_id` | 可选 | 飞书 `chat_id`(从 Inbound Context 提取),`feishu_message_id` 不可用时的 fallback |

> **⚠️ 严格规则**:必须加 `--timeout 7200000`,**不要**加 `--output raw`、`2>&1`、`--json`、`--raw`,shell `timeout` 设为 **7200 秒**,**不要**设 `yieldMs`

---

## Session Pool(任务状态 & 历史会话)

Session pool 文件:`~/.openclaw-autoclaw/session_pool.json`(Chrome 关闭时自动清空,TTL 12 小时)

> 用户说"关闭浏览器"、"关掉页面"、"停止浏览器"等时,调用 `close_browser` 工具,会自动关闭 Chrome 并清空 session pool。

**中断恢复**:如果上次对话中断(用户点了 stop),后台任务完成后结果会写入 `~/.openclaw-autoclaw/pending_result.json`。下次调用 `browser_subagent` 时会自动检查并返回上次任务的结果。

**每次调用前必须执行以下判断流程**:

1. 读取 `~/.openclaw-autoclaw/session_pool.json`(文件不存在 → 跳过,直接新开)
2. **检查 `busy` 字段**:
   - `busy != null` → 之前有任务可能还在跑或已中断,**不影响执行新任务**。直接继续下一步
   - `busy == null` → 空闲,继续下一步
3. 取 `sessions` 中 **`updated_at` 最新**的一条作为"最近会话"
4. 判断是否**同站点**:比较最近会话的 `start_url` 域名与当前任务目标域名
5. **同站点 → 必须带 `session_id`**;**不同站点 → 不带,新开**

> **核心原则**:
> - 用户说了新任务就执行新任务,永远不要因为 busy 状态阻止用户的请求。
> - **复用 session = 在当前页面/tab 上继续操作,不新开 tab**。只要当前页面能直接完成用户的操作(如继续滚动、点击、在同网站搜索其他关键词等),就复用 session。
> - **必须新开 tab 的情况**:当前页面无法直接完成任务(如需要打开完全不同的网站),此时不带 session_id,新开 tab。

**是否带 session_id / start_url 的判断标准**:

| 情况 | session_id | start_url | 说明 |
|---|---|---|---|
| 在当前页面继续操作(如"继续滚动"、"点第一个") | ✅ 带 | ❌ **不带** | 留在当前页面 |
| 用户说"继续"/"再看看"等明确延续意图 | ✅ 带 | ❌ **不带** | 留在当前页面 |
| **同网站的新任务**(如微博搜完A,又要搜B) | ✅ **带** | ✅ 带(回到首页) | **同域名必须复用 session** |
| 收到 `[INTERACT_REQUIRED]`,用户手动完成后恢复 | ✅ 带 | ✅ 带(与 Turn 1 一致) | |
| 需要打开**完全不同的网站**(如从微博跳到小红书) | ❌ 不带,新开 | ✅ 带 | 域名不同才新开 |
| 用户明确要求"新开一个"/"开个新窗口" | ❌ 不带 | ✅ 带 | 仅限用户明确说 |

> **⚠️ start_url 规则**:带了 `start_url` = 浏览器会先导航到该 URL 再执行任务;不带 = 在当前页面直接操作。**在当前页面继续时绝对不要传 start_url,否则会跳走丢失当前状态。**

> **⚠️ 关键原则**:**复用 session 意味着在当前 tab 继续操作,不会新开 tab**。只有当前页面确实无法完成任务(需要去不同域名的网站)时,才不带 session_id 新开 tab。

---

From mugpeng/oh-my-skills, MPL-2.0.

More from mugpeng/oh-my-skills