| name | browser_cdp |
| kind | docs |
| description | 使用受控浏览器进行网页读取、调试、截图、PDF、DOM 检查和有限交互的工作流;按当前项目 browser_action 能力执行。 |
Browser CDP Skill
本项目当前浏览器能力由 browser_action 提供,底层使用 Puppeteer 控制本地 Chrome/Edge/Chromium。它不是通用的外部 CDP 会话管理器,不能假装支持未实现的“连接任意浏览器”接口。
何时使用
- 搜索 API 结果质量差,需要用浏览器打开搜索页读取。
- 需要检查网页标题、正文、DOM、按钮、链接、截图或导出 PDF。
- 需要对网页进行有限交互,例如点击、输入、表单填写、滚动、等待元素出现。
- 需要查看控制台消息或网络请求摘要。
可用动作摘要
browser_action 支持的代表动作:
- 启停与导航:
start、stop、navigate、open、reload、back、forward
- 页面读取:
title、text、snapshot、html、url
- 交互:
click、type、fill_form、press、scroll、hover、focus
- DOM 检查:
exists、count、get_attribute、extract
- 输出:
screenshot、pdf
- 调试:
console_messages、network_requests
- 标签页和状态:
tabs、new_tab、switch_tab、close_tab、clear_cache
安全边界
- 只能访问 http/https URL。
- 工具会拒绝 localhost、内网、保留地址和解析到内网的地址。
evaluate 禁止访问 cookie、本地存储、剪贴板,禁止发起网络请求和动态执行不受控代码。
- 浏览器工具属于危险工具,Dashboard 下通常需要审批;QQ 默认不可用。
推荐流程
- 先用
web_search 获取候选来源。
- 若搜索结果混乱,再用
browser_action 的 search_and_read 或 navigate 打开可靠来源。
- 用
snapshot 获取页面结构,必要时再 text、extract 或截图。
- 只在用户明确需要时执行点击、输入、下载、上传。
- 输出结论时注明信息来自工具读取结果,不要凭页面标题脑补正文。