browser-automation

name	browser-automation
description	浏览器自动化操作 (Use when: 需要交互式浏览网页、填写表单、点击按钮、翻页抓取动态内容). NOT for: 静态网页抓取(用 web_fetch)、文件下载(用 multimedia_download).
metadata	{"rooster":{"emoji":"🌐","platform":["windows","darwin"],"category":"automation","kits":["Browser"],"requires":{"python_packages":["playwright"],"bins":[],"env_vars":[]}}}

Browser Automation — 浏览器自动化

基于 Playwright 的浏览器自动化操作，支持导航、交互、内容提取。

使用场景

✅ 以下情况使用此技能：

• 需要与网页交互（点击按钮、填写表单、提交数据）
• 需要抓取动态加载的页面内容（JS 渲染）
• 需要在多个页面间导航、翻页浏览
• 需要提取页面中的链接列表

不适用场景

❌ 不使用此技能：

• 静态网页内容抓取 → 改用 web_fetch（更快、无需启动浏览器）
• 搜索引擎查询 → 改用 web_search
• 文件下载 → 改用 multimedia_download 或 file_system_op(action="download")

可用工具

工具	用途	说明
browser_nav	导航到 URL	第一步必须调用，初始化浏览器并打开页面
browser_act	统一交互宏工具	推荐：合并了 click/type/scroll，一个工具搞定所有交互
browser_explore_links	提取页面链接	按关键词筛选当前页面上的链接
browser_next_page	翻页	自动识别并点击"下一页"按钮

注意：browser_read、browser_click、browser_type、browser_scroll 已设为 fc_hidden=True， 统一通过 browser_act 调用。请勿尝试直接调用这些隐藏工具。

标准工作流

基本交互流程

步骤 1：打开页面
  browser_nav(url="https://example.com")
  → 返回页面内容和带 data-rooster-id 标注的交互元素列表

步骤 2：交互操作
  browser_act(action="click", index=5)   # 点击第 5 个交互元素
  browser_act(action="type", index=3, text="搜索关键词")  # 在第 3 个元素输入文字

步骤 3：验证结果
  browser_nav 会自动返回操作后的页面内容，检查是否符合预期

表单填写

步骤 1：browser_nav(url="...") 打开表单页面
步骤 2：browser_act(action="type", index=1, text="用户名")
步骤 3：browser_act(action="type", index=2, text="密码")
步骤 4：browser_act(action="click", index=0)  # 点击提交按钮

链接提取与翻页

步骤 1：browser_nav(url="...") 打开列表页
步骤 2：browser_explore_links(keyword="详情")  # 筛选含"详情"的链接
步骤 3：browser_next_page()  # 翻到下一页（或用 browser_act 点击特定翻页按钮）

关键原则

• 先 nav 后交互：所有浏览器操作必须先调用 browser_nav 初始化页面。未初始化时其他工具会报错。
• 用 index 定位元素：browser_nav 返回的页面中，每个可交互元素都有 data-rooster-id 编号（从 0 开始）。用这个编号作为 index 参数。
• 每次操作后检查：browser_act 和 browser_nav 会返回当前页面内容，务必检查确认操作生效。
• web_fetch vs browser_nav：
  • 只需要读取内容，不需要交互 → web_fetch（更快、无浏览器开销）
  • 需要交互、处理动态内容 → browser_nav + browser_act

注意事项

• 浏览器实例在会话内复用，连续操作时不需要重复 browser_nav 打开同一页面。
• 部分网站有反自动化检测，如遇拦截可以尝试先 web_fetch 获取静态内容。
• 页面加载较慢时，操作可能需要等待。browser_nav 默认等待 domcontentloaded 事件。
• 长页面内容会被截断显示，使用 browser_explore_links 可以精确提取所需链接。