Agent Skill 核验档案

浏览器自动化 · Ego Browser

ego-browser（ego-lite）是一个基于 Chromium 的浏览器 Skill，面向人类用户和 AI Agent 双方设计。它为 Agent 提供 CLI 可访问的 Node.js 运行时，内置 snapshotText、click、js、cdp 等辅助函数，让 Agent 在隔离的任务空间中打开页面、填表、点击、截图、提取数据、测试 Web 应用和自动化浏览器操作。

适用任务

打开网页并对页面做快照、点击按钮、填写表单、截图并提取页面内容
对 Web 应用进行探索性测试、QA、缺陷排查与应用质量审查
在富文本/canvas 类编辑器（如 Google Docs、Figma、Notion 等）中以视觉工作流完成编辑操作
通过 handOffTaskSpace 把任务空间交还用户完成登录、验证码等人工步骤，再用 takeOverTaskSpace 恢复
上传文件到页面输入框
用 serverFetch/browserFetch 发起请求并获取响应体
在浏览器页面上下文中执行多步 JavaScript 逻辑提取结构化数据

输入

目标网站的 URL
任务空间名称或数字 id
CSS/xpath/@N ref/loc 等选择器
视口坐标 [x, y]
要上传的文件的绝对路径
要执行的 JavaScript 字符串
fetch 请求的 url 和 options

输出

cliLog 输出到终端的日志与最终结果
snapshotText 的整页语义树（含 [ref=N, loc=..., url=...] 标注）
captureScreenshot 截图
pageInfo 返回的 { url, title, w, h, sx, sy, pw, ph } 或 { dialog: ... }
drainEvents 返回的页面异步事件队列
serverFetch/browserFetch 的响应体
js/cdp 求值结果
task.id 等任务空间标识

限制与检查

Node.js 运行时在每次 heredoc 后退出且不保留状态，须靠任务空间跨轮延续
pageInfo() 在原生浏览器对话框打开时返回 { dialog: ... }，需先用 cdp('Page.handleJavaScriptDialog') 处理才能执行页面 JavaScript
用户持有控制权时任何浏览器操作都会失败，且这是硬停止，只能询问用户并等待，不得重试或自动夺回
js() 传入函数会触发一次性警告并以 .toString() 包装，闭包不被捕获、无参数通道，不能像 Puppeteer/Playwright 的 page.evaluate(fn, ...args) 那样使用
@N ref 仅适用于 ego-browser 辅助函数，不能用在 document.querySelector 中
富编辑器主编辑面可能存在不代表真实文档的 DOM 层，不能仅凭 DOM/input 辅助函数写入，除非写入探针验证通过
每次 heredoc 是否以 useOrCreateTaskSpace（或接管场景的 takeOverTaskSpace）开头以复用任务空间
有意义的点击/输入/导航后是否重新 snapshotText/pageInfo/captureScreenshot 观察确认，而非直接假设成功

浏览器自动化 · Ego Browser

适用任务

输入

输出

限制与检查

AI 搜索

项目详情