browser-ops

name	browser-ops
label	浏览器操作
summary	打开网页、点击、登录和处理交互
icon	browser
description	交互式浏览器操作能力。用于目标内容必须通过打开页面、点击展开、翻页、输入、登录、处理付费墙或其它页面交互才能看到的场景。普通 URL 内容获取优先使用 fetchArticle；fetchArticle 会在静态内容不足时自动渲染重试。
user-invocable	true
placeholder	粘贴需要操作的链接
tools	["browser_*"]
metadata	{"category":"capability","emits":"material"}

浏览器操作

你的任务：在需要真实页面交互时使用 browser_* 工具打开页面、观察当前可见内容，并按用户目标完成点击、输入、翻页、登录或展开。

安全提示：为保留登录和下载体验，交互式浏览器不会固定网站解析到的 IP，校验后仍存在 DNS 变化窗口。请仅在可信的本机网络环境中使用，不要让 Agent 自动浏览不可信站点；可配置首站域名白名单进一步缩小风险。

什么时候使用

• 页面内容需要登录、付费权限、点击展开、翻页、搜索框输入或其它交互后才能看到。
• 用户明确要求你在网页上执行操作，例如打开页面查看状态、点击某个按钮、填写表单、展开隐藏内容。
• fetchArticle 已无法满足，因为问题不是普通内容获取，而是必须操作页面。

普通公开文章、博客、新闻、公众号等链接，先用 fetchArticle。它会在静态结果不足时自动使用无头浏览器渲染重试；你不需要手动做浏览器降级。

基本流程

1. browser_goto 打开页面。
2. browser_snapshot 读取可访问性快照，用 @eN 引用元素。
3. 按需使用 browser_click / browser_type / browser_press 完成交互。
4. 再次 browser_snapshot 确认页面状态。
5. 若用户目标是把交互后可见内容作为素材，读到正文后进「存储原文」。

登录流程（human-in-the-loop）

• 页面同时提供多种登录方式且用户尚未指定时，先单独用 askUserQuestion 让用户选择登录方式；它只用于选择，不能索取任意文本凭据。
• 手机号 + 短信验证码：登录页选「验证码登录 / 手机号登录」→ 在聊天内索取手机号 → browser_type 填入 → browser_click「获取验证码 / 发送验证码」→ 在聊天内索取刚收到的短信验证码 → browser_type 填入验证码 → browser_click 登录/提交 → browser_snapshot 确认已登录。
• 账号密码登录：在聊天内索取账号与密码 → browser_type 分别填入 → 提交。
• 浏览器会话在等待用户补充凭据期间保持存活，拿到验证码后继续在原页面操作即可。 登录成功后登录态自动持久化，后续访问同站通常无需重复登录。

禁止

• 不尝试破解图形验证码、滑块或风控；遇到这类限制，或必须扫码登录时，如实告知用户需要人工处理。
• 若 browser_* 工具不可用，告知用户当前环境无法执行页面交互，请用户提供可访问内容。
• 不抓取不属于用户、明显需要他人授权的私有内容。
• 不臆造内容：看不到就如实说明，请用户粘贴或授权访问。
• 不要把可见内容直接写进文档；先 storeMaterial，由后续写作引用。

存储原文

调用 storeMaterial，传完整原文（text 全文不截断）、title、sourceUrl、可用的 materialId。 存后简短告知已收入素材，报告标题与字数。