Agent Browser Stagehand

Automate web browser interactions using natural language via CLI commands。Use when the user asks。Use when 需要文本翻译、多语言转换、本地化处理时使用。不适用于专业医学法律翻译认证.

核心功能: 本技能提供、本地化处理时使用、时使用、化工作流场景等能力。

Agent Browser Stageh

专业版增值服务

能力	免费版	付费版
基础功能	支持	支持
多标签页并行抓取	不支持	支持
反爬虫策略自动绕过	不支持	支持
页面结构变化自适应	不支持	支持
批量导出结构化数据	不支持	支持

主要能力

• Automate web browser interactions using natural language via CLI commands
• Use when the user asks

快速部署

1. 确认运行环境满足依赖说明中的要求
2. 在AI Agent对话中调用本技能,提供必要的输入参数
3. 检查输出结果,根据需要进行后续处理

详细的输入输出格式请参考下方章节说明。

场景示例

场景	输入	输出
场景1 自然语言驱动浏览器自动化	用户请求数据	结构化处理结果
场景2 CLI直达交互	用户请求数据	结构化处理结果
场景3 免去手写选择器的繁琐	用户请求数据	结构化处理结果

不适用于：需要人工判断的复杂决策场景

操作流程

1. 初始化浏览器会话: 启动无头浏览器实例,配置代理与用户代理参数
2. 执行页面交互: 按照用户指令进行导航/点击/输入/提取等页面操作
3. 采集与返回数据: 提取页面内容或操作结果,返回结构化数据与截图
4. 异常处理: 如遇错误,参考错误处理章节中对应场景的处理方式

输入规范

参数名	类型	必填	说明
content	string	否	agent-browser-stagehand处理的内容输入
mode	string	否	处理模式, 可选: json/text/markdown,
max_retries	integer	否	单步最大重试次数, 默认: 2
skip_steps	array	否	跳过的步骤编号(用于断点续传), 默认: []

响应格式

json

{
  "success": true,
  "data": {
    "final_result": {
      "stagehand_result": "stagehand_result_value",
      "stagehand_metadata": "stagehand_metadata_value",
      "stagehand_status": "stagehand_status_value"
    },
    "execution_log": [
      {
        "step": 1,
        "name": "按流程执行",
        "status": "completed",
        "duration_ms": 1200,
        "output_summary": "按流程执行"
      },
      {
        "step": 2,
        "name": "按流程执行",
        "status": "completed",
        "duration_ms": 3500,
        "output_summary": "按流程执行"
      },
      {
        "step": 3,
        "name": "按流程执行",
        "status": "completed",
        "duration_ms": 2100,
        "output_summary": "按流程执行"
      },
      {
        "step": 4,
        "name": "按流程执行",
        "status": "completed",
        "duration_ms": 800,
        "output_summary": "按流程执行"
      }
    ],
    "total_duration_ms": 7600,
    "gates_passed": 3,
    "gates_total": 3
  },
  "error": null
}

中间产物模板参考: assets/agent-browser-stagehand_template

异常处置

错误场景	原因	处理方式
页面加载超时	目标网站响应慢或网络延迟	增加超时阈值,启用重试机制,检查代理配置
页面结构变化导致选择器失效	目标网站更新了DOM结构	切换到可访问性树定位元素,或提示用户提供新的选择器
反爬虫机制触发	频繁请求被目标站点识别	降低请求频率,启用随机延迟,更换User-Agent

环境要求

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
• 操作系统: Windows / macOS / Linux

依赖说明(补充)

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由Agent内置LLM提供

API Key 配置

可用性分类

• 分类: MD+execute()
• 说明: 基于Markdown的AI Skill,

API Key配置方式:

bash

export API_KEY="${API_KEY:?请设置环境变量}"

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.

案例展示

bash

browser navigate https://example.com
browser act "click the Sign In button"
browser extract "get the page title"
browser close

疑问解答

Q1: 如何开始使用Agent Browser Stageh？

A: 请参考使用流程和依赖说明章节，确保运行环境满足要求后调用本技能。

异常恢复指南

错误场景2	原因	处理方式
LLM响应超时或无响应	网络延迟或模型负载过高	请求重试；确认Agent平台LLM服务正常
输入内容格式不正确	用户输入不符合skill预期格式	检查输入是否符合skill使用说明中的格式要求，参考示例章节
执行结果与预期不符	指令描述不够明确或上下文不足	提供更详细的指令描述，补充必要的上下文信息
命令执行失败	运行环境不满足要求或权限不足	确认运行环境符合依赖说明中的要求；检查命令权限设置

创新特色

效率提升量化分析

操作步骤	手动耗时	自动化耗时	时间节约	准确率提升
页面导航	10分钟	1分钟	9分钟	10%
数据提取	20分钟	2分钟	18分钟	15%
多页面处理	1小时	10分钟	50分钟	20%
数据比对	30分钟	5分钟	25分钟	25%
报告生成	1小时	15分钟	45分钟	30%

差异化对比

对比维度	本技能	手动操作	Python脚本	专业软件
交互方式	自然语言	命令行	命令行	图形界面
学习成本	低	中	中	高
适应性强	高	低	中	高
易用性	高	低	中	高
成本效益	高	低	中	高

核心痛点解决

痛点	描述	影响范围	解决方案	量化效果
繁琐的手动操作	浪费大量时间和精力在手动操作上	用户体验和效率	自动化操作，减少手动步骤	时间节约20%
选择器失效	网站结构变化导致选择器失效，影响操作	操作准确性	自适应选择器，应对结构变化	准确率提升15%
反爬虫机制	频繁请求被识别，影响数据采集	数据采集效率	自动绕过反爬虫策略	数据采集效率提升30%

常见问题FAQ

Q1: 智能体浏览器支持哪些浏览器？

A: 智能体浏览器支持主流的浏览器，如Chrome和Firefox，并且可以通过配置支持其他浏览器。

Q2: 如何配置智能体浏览器的代理？

A: 在初始化浏览器会话时，可以通过设置代理参数来配置智能体浏览器的代理。

Q3: 智能体浏览器如何处理页面结构变化？

A: 智能体浏览器通过自适应选择器来处理页面结构变化，如果遇到选择器失效，可以提示用户提供新的选择器。

Q4: 智能体浏览器的数据输出格式是什么？

A: 智能体浏览器的数据输出格式为JSON，其中包含了执行日志、结果数据和状态信息。

Q5: 智能体浏览器是否支持多语言？

A: 是的，智能体浏览器支持中文交互，无需复杂配置即开即用。

故障应对方案

错误现象	可能原因	诊断步骤	解决方案
页面加载失败	网络问题或网站无法访问	检查网络连接，重试或更换代理	重新连接网络或更换代理
数据提取错误	选择器错误或页面结构变化	检查选择器或页面结构	更正选择器或提供新的选择器
操作超时	网站响应慢或网络延迟	增加超时时间，检查网络状态	增加超时时间，优化网络配置
反爬虫机制触发	频繁请求被识别	降低请求频率，更换User-Agent	降低请求频率，更换User-Agent

安全规范

1. 确保使用合法的代理和IP，避免违反网站使用条款。
2. 避免频繁请求同一网站，以免触发反爬虫机制。
3. 保护个人信息，不要在自动化过程中泄露敏感数据。
4. 定期更新智能体浏览器，以修复已知的安全漏洞。
5. 在使用过程中，遵守相关法律法规，尊重网站版权。

安全风险防范

风险项	等级	防护措施	验证方法
API密钥泄露	高	通过环境变量配置，禁止硬编码	定期检查代码和配置文件
命令执行风险	高	仅执行白名单命令，避免拼接用户输入	使用沙箱环境测试
网络通信安全	中	使用HTTPS协议，验证SSL证书	定期检查证书有效期
敏感数据暴露	高	输出结果中不包含密钥、令牌等敏感信息	日志脱敏审查
未授权访问	中	限制访问权限，实施认证机制	定期审计访问日志

主要功能

• 自动化执行: 自然语言驱动浏览器自动化,CLI直达交互,免去手写选择器的繁琐。Automate web browser interac
• 文件处理: 支持多种文件格式的读取、解析和写入操作
• API集成: 通过标准化接口调用外部服务并处理响应
• 命令执行: 在安全沙箱中执行系统命令并收集结果
• 信息检索: 快速搜索和过滤目标数据

错误应对

针对智能体浏览器使用中可能遇到的常见问题,提供以下排查方案:

错误类型	原因分析	解决方案
API认证失败(401)	API密钥错误或过期	检查密钥配置,重新生成token
接口限流(429)	请求频率超出限制	降低调用频率,启用重试退避策略
响应超时(504)	网络延迟或服务端负载过高	增加超时阈值,检查网络连接
文件不存在	路径错误或文件未创建	检查路径拼写,确认文件已生成
文件格式不支持	扩展名不在支持列表中	转换为支持的格式后重试
权限不足	当前用户无读写权限	检查文件权限,以管理员身份运行
命令执行失败	参数错误或环境依赖缺失	检查命令语法,确认依赖已安装
进程超时	命令执行时间过长	增加超时设置,优化命令参数
网络连接失败	DNS解析失败或防火墙拦截	检查网络配置,确认代理设置

智能体浏览器通用排查步骤

1. 检查输入参数: 确认所有必填参数已提供且格式正确
2. 查看日志输出: 定位具体错误行和异常类型
3. 验证环境配置: 确认依赖库版本和运行环境满足要求
4. 逐步调试: 缩小问题范围,隔离故障模块

快速入门

1. 配置API密钥: 在环境变量中设置对应的API Key
2. 初始化连接: 使用提供的凭证建立API连接
3. 调用接口: 传入必要参数执行API调用
4. 准备文件: 确认文件路径正确且格式受支持
5. 执行处理: 调用对应的处理函数
6. 查看结果: 检查输出文件或返回数据
7. 检查环境: 确认运行时和依赖已安装
8. 执行命令: 使用正确的参数格式执行
9. 查看输出: 检查命令输出和退出码

前置条件

• 已安装所需运行环境(参考依赖说明)
• 已获取必要的API密钥或访问凭证(如适用)
• 输入数据已准备就绪

智能体浏览器通用排查步骤

1. 检查输入参数: 确认所有必填参数已提供且格式正确
2. 查看日志输出: 定位具体错误行和异常类型
3. 验证环境配置: 确认依赖库版本和运行环境满足要求
4. 逐步调试: 缩小问题范围,隔离故障模块

前置条件

• 已安装所需运行环境(参考依赖说明)
• 已获取必要的API密钥或访问凭证(如适用)
• 输入数据已准备就绪

智能体浏览器通用排查步骤

1. 检查输入参数: 确认所有必填参数已提供且格式正确
2. 查看日志输出: 定位具体错误行和异常类型
3. 验证环境配置: 确认依赖库版本和运行环境满足要求
4. 逐步调试: 缩小问题范围,隔离故障模块

前置条件

• 已安装所需运行环境(参考依赖说明)
• 已获取必要的API密钥或访问凭证(如适用)
• 输入数据已准备就绪

智能体浏览器通用排查步骤

1. 检查输入参数: 确认所有必填参数已提供且格式正确
2. 查看日志输出: 定位具体错误行和异常类型
3. 验证环境配置: 确认依赖库版本和运行环境满足要求
4. 逐步调试: 缩小问题范围,隔离故障模块

前置条件

• 已安装所需运行环境(参考依赖说明)
• 已获取必要的API密钥或访问凭证(如适用)
• 输入数据已准备就绪