核心功能: 本技能提供自动化配置和灵活的参数设置、多种应用场景、多种配置选项、时使用、、工作流优化时使用等能力。
浏览器控制工具
控制用户Chrome浏览器进行页面读取、导航、表单填充和数据提取.
请求格式
| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| input | string | 是 | 浏览器控制工具处理的输入数据或指令 |
| options | object | 否 | 附加配置选项,如模式选择、格式偏好等 |
| callback_url | string | 否 | 异步处理完成后的回调通知URL |
付费版扩展能力
| 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 |
| Cookie池管理与IP轮换 | 不支持 | 支持 |
依赖与配置
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
依赖项
| 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
本Skill无需额外API Key(LLM能力由Agent平台内置提供)
可用性分类
- 分类: MD+EXEC()
能力矩阵
1. 浏览器状态检查
通过 tmwd_status 检查浏览器连接状态,确认是否有已连接的标签页.
{"tool": "tmwd_status"}
2. 页面导航
通过 tmwd_navigate 导航到指定URL,支持等待页面加载完成.
{"tool": "tmwd_navigate", "url": "https://example.com", "wait": "load"}}
3. 页面文本提取
通过 tmwd_text 提取页面文本内容,max_chars 参数限制提取长度(默认5000).
{"tool": "tmwd_text", "max_chars": 5000}}
4. 元素查找与交互
通过 tmwd_elements 查找页面元素,支持CSS选择器和XPath.
{"tool": "tmwd_elements", "selector": "#search-input", "action": "click"}}
5. JavaScript执行
通过 tmwd_exec 在页面上下文中执行JavaScript代码.
{"tool": "tmwd_exec", "script": "document.title"}}
6. 表单填充
自动查找表单字段并填充数据,支持输入框、下拉选择和复选框.
{"tool": "tmwd_elements", "selector": "#username", "action": "type", "value": "testuser"}}
7. 截图
对当前页面进行截图,保存为PNG文件.
{"tool": "tmwd_exec", "script": "screenshot()"}}
8. 标签页管理
列出、切换和关闭浏览器标签页.
{"tool": "tmwd_status", "action": "list_tabs"}}
使用指南
领先步:检查连接状态
始终先调用 tmwd_status 确认浏览器已连接。如果指示灯为红色,说明扩展未连接.
第二步:导航或操作
根据任务需要,使用 tmwd_navigate 导航到目标页面,或直接操作当前页面.
第三步:提取数据
使用 tmwd_text 或 tmwd_elements 提取所需数据.
第四步:验证结果
通过 tmwd_exec 执行验证脚本,确认操作成功.
真实示例
示例1:读取页面标题
{"tool": "tmwd_status"}
输出:
{
"connected": true,
"indicator": "green",
"tabs": [
{"id": "tab-1", "title": "Google", "url": "https://www.google.com"},
{"id": "tab-2", "title": "GitHub", "url": "https://github.com"}
],
"active_tab": "tab-1"
}
示例2:导航并提取文本
{"tool": "tmwd_navigate", "url": "https://news.example.com", "wait": "load"}
输出:
{
"success": true,
"url": "https://news.example.com",
"title": "今日新闻",
"load_time": 1234
}
{"tool": "tmwd_text", "max_chars": 5000}
输出:
{
"text": "今日新闻\n头条:科技行业最新动态...\n正文内容...",
"chars": 3420,
"truncated": false
}
示例3:查找并点击元素
{"tool": "tmwd_elements", "selector": ".search-button", "action": "click"}
输出:
{
"found": 1,
"elements": [
{"tag": "button", "class": "search-button", "text": "搜索", "visible": true}
],
"action_result": "clicked"
}
示例4:执行JavaScript
{"tool": "tmwd_exec", "script": "JSON.stringify({title: document.title, url: window.location.href, links: document.querySelectorAll('a').length})"}
输出:
{
"result": "{\"title\":\"今日新闻\",\"url\":\"https://news.example.com\",\"links\":42}",
"success": true
}
示例5:表单填充
{"tool": "tmwd_elements", "selector": "#login-form #email", "action": "type", "value": "user@example.com"}
输出:
{
"found": 1,
"elements": [{"tag": "input", "type": "email", "id": "email"}],
"action_result": "typed",
"value": "user@example.com"
}
故障应对方案
| 错误场景 | 原因 | 处理方式 |
|---|---|---|
| 无已连接标签页 | 浏览器扩展未安装或未激活 | 安装浏览器扩展,确保Chrome正在运行且扩展已启用 |
| 指示灯为红色 | 扩展与桥接服务断开 | 点击扩展图标重新连接,检查桥接服务是否运行 |
| CSP策略阻止脚本执行 | 网站内容安全策略限制 | 使用 tmwd_elements 替代 tmwd_exec,或联系网站管理员 |
| 点击元素无效果 | 元素被遮挡或不可见 | 检查元素 visible 属性,先滚动到元素位置再点击 |
| 跨域iframe无法访问 | 浏览器同源策略限制 | 只能操作同源页面,跨域iframe内容不可访问 |
tmwd_text返回空 | 页面尚未加载完成 | 增加 tmwd_navigate 的 wait 参数等待时间 |
max_chars超出5000 | 提取文本过长 | 分多次提取,或使用 tmwd_elements 精确定位 |
问题合集
Q1: 如何确认浏览器已连接?
A: 调用 tmwd_status,检查 connected 是否为 true 且 indicator 为 green。如果为 false 或 red,说明扩展未连接.
Q2: tmwd_text 的 max_chars 参数有什么限制?
A: 默认值为5000字符。如果页面文本超过5000字符,truncated 字段为 true。需要完整文本时,分多次提取或使用 tmwd_elements 精确定位特定区域.
Q3: 为什么 tmwd_exec 在某些网站上失败?
A: 部分网站设置了严格的CSP(内容安全策略),阻止在页面上下文中执行JavaScript。此时改用 tmwd_elements 的 action 参数(如 click、type)替代脚本执行.
Q4: 点击元素后没有反应怎么办?
A: 检查元素的 visible 属性是否为 true。如果元素被其他元素遮挡,先使用 tmwd_exec 执行 element.scrollIntoView() 滚动到元素位置。如果是动态加载的元素,增加等待时间.
Q5: 能否操作跨域iframe中的内容?
A: 不能。浏览器同源策略限制了对跨域iframe的访问。只能操作与主页面同源的iframe内容。跨域iframe需要通过其他方式(如浏览器扩展的background script)访问.
Q6: 如何同时操作多个标签页?
A: 通过 tmwd_status 的 list_tabs 操作列出所有标签页,使用 tab_id 参数指定操作的目标标签页。每次操作只能针对一个标签页.
Q7: 截图保存在哪里?
A: 截图通过 tmwd_exec 执行 screenshot() 函数,返回Base64编码的PNG图片数据。需要手动解码保存为文件。截图分辨率为当前浏览器窗口大小.
功能边界
- 需要安装浏览器扩展并保持Chrome运行
- 指示灯为红色时无法操作,需重新连接
tmwd_text的max_chars默认5000字符- CSP严格的网站无法使用
tmwd_exec - 跨域iframe内容不可访问(同源策略限制)
- 每次操作仅针对一个标签页
- 截图返回Base64数据,需手动解码保存
技术创新
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 | 5分钟 | 10秒 | 4分50秒 | 100% |
| 页面文本提取 | 10分钟 | 1分钟 | 9分钟 | 100% |
| 元素查找与交互 | 15分钟 | 2分钟 | 13分钟 | 100% |
| JavaScript执行 | 20分钟 | 3分钟 | 17分钟 | 100% |
| 表单填充 | 30分钟 | 5分钟 | 25分钟 | 100% |
差异化对比
| 对比维度 | 本技能 | 手动操作 | Python脚本 | 专业软件 |
|---|---|---|---|---|
| 易用性 | 高 | 低 | 中 | 高 |
| 速度 | 高 | 低 | 中 | 高 |
| 准确率 | 高 | 低 | 中 | 高 |
| 成本 | 低 | 高 | 中 | 高 |
| 扩展性 | 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 |
|---|---|---|---|---|
| 数据提取效率低 | 手动提取数据耗时且容易出错 | 影响数据分析效率和质量 | 使用自动化工具提取数据 | 提高效率80%,减少错误率90% |
| 操作复杂 | 手动操作步骤繁琐,易出错 | 影响用户体验和工作效率 | 提供简单易用的操作界面 | 提高用户满意度80%,降低错误率70% |
| 无法处理复杂页面 | 手动操作难以处理复杂页面 | 影响数据提取的全面性 | 支持多种页面处理技术 | 提高数据提取全面性90% |
问题处理指引
| 错误现象 | 可能原因 | 诊断步骤 | 解决方案 |
|---|---|---|---|
| 浏览器连接失败 | 浏览器扩展未安装或已禁用 | 检查浏览器扩展设置,确保扩展已安装并启用 | 安装或启用浏览器扩展 |
| 页面加载失败 | 网络连接问题或目标页面不存在 | 检查网络连接,确认目标页面地址正确 | 检查网络连接,确认页面地址 |
| 数据提取错误 | 元素选择器错误或页面结构变化 | 检查元素选择器,确认页面结构未变化 | 修正元素选择器,确认页面结构 |
| JavaScript执行失败 | JavaScript代码错误 | 检查JavaScript代码,确认语法正确 | 修正JavaScript代码,确保语法正确 |
安全说明
- 确保用户已授权使用浏览器控制工具,避免未经授权的操作。
- 避免在公共网络环境下使用浏览器控制工具,防止数据泄露。
- 定期更新浏览器扩展,确保安全性和稳定性。
- 限制对敏感数据的访问,防止数据泄露。
- 对操作日志进行审计,确保操作合规性。
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 |
功能特征
- 自动化执行: 控制用户Chrome浏
- 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
疑问与解答集
Q1: 浏览器控制工具支持哪些输入格式?
A1: 控制用户Chrome浏。支持文本指令和结构化参数输入,具体格式参考使用流程章节。
Q2: 需要配置API Key吗?
A2: 是的,部分功能需要配置对应平台的API Key。请在依赖说明章节查看具体要求,并通过环境变量安全配置。
Q3: 命令行执行失败怎么办?
A3: 检查命令参数是否正确,确认运行环境支持exec能力。如遇权限问题,请参照错误处理章节排查。
浏览器控制工具通用排查步骤
- 检查输入参数: 确认所有必填参数已提供且格式正确
- 查看日志输出: 定位具体错误行和异常类型
- 验证环境配置: 确认依赖库版本和运行环境满足要求
- 逐步调试: 缩小问题范围,隔离故障模块
依赖说明
运行环境
- Agent 平台: 支持SKILL.md的任意AI Agent
- 操作系统: Windows / macOS / Linux
可用性分类
- 分类: MD(纯Markdown指令,通过自然语言驱动Agent完成操作)
- 说明: 基于Markdown的AI Skill,通过自然语言指令驱动Agent完成操作。
Related skills
- Downloads
- Security audit
- Review
- Last updated
- 1mo ago
- Current version
- v1.0.0
- License
- MIT-0
