AI Browser

通过 WebSocket 控制真实浏览器，实现导航、点击、输入、截图、DOM 获取等完整自动化操作。特点：真正的浏览器内核 (Chromium)、WebSocket 实时控制、支持无头/有头模式、自动重连机制。

AI Browser Skill 🌐

通过 WebSocket 控制真实浏览器，实现导航、点击、输入、截图、DOM 获取等自动化操作。

特点

• ✅ 真正的浏览器内核 (Chromium)
• ✅ WebSocket 实时控制
• ✅ 支持无头/有头模式
• ✅ 简单的标签页管理
• ✅ 自动重连机制

启动方法

# 1. 安装依赖
npm install

# 2. 启动服务
npm start

# 服务将运行在 ws://localhost:18790

WebSocket 协议

连接

连接到 ws://localhost:18790

消息格式

发送 JSON:

{
  "id": "请求 ID (可选)",
  "action": "动作名称",
  "params": { ... }
}

支持的动作

动作	参数	说明
navigate	{ url: "https://..." }	导航到指定 URL
snapshot	{}	获取当前页面简化 DOM 结构
screenshot	{ fullPage: false }	截图 (返回 base64)
click	{ selector: "button" }	点击元素
type	{ selector: "input", text: "hello", delay: 50 }	输入文本
evaluate	{ script: "document.title" }	执行 JS 脚本
status	{}	获取浏览器状态

响应格式

{
  "id": "请求 ID",
  "success": true,
  "result": { ... }
}

使用示例 (Python)

import websocket
import json

ws = websocket.create_connection("ws://localhost:18790")

# 导航
ws.send(json.dumps({"action": "navigate", "params": {"url": "https://fanqie.baidu.com"}}))
print(ws.recv())

# 截图
ws.send(json.dumps({"action": "screenshot", "params": {}}))
resp = json.loads(ws.recv())
with open("screen.png", "wb") as f:
    f.write(base64.b64decode(resp["result"]["image"]))

ws.close()

注意事项

• 首次启动会自动下载 Chromium (约 100MB)
• 默认端口 18790，可通过 AI_BROWSER_PORT 环境变量修改
• 无头模式设为 false，可以看到浏览器界面（方便调试）

使用场景

• 网页自动化测试
• 数据抓取
• 截图采集
• 表单自动填写
• 网站监控