agent-browser

name	agent-browser
description	Use Agent Browser for real browser navigation, dynamic pages, and web interaction; also use it as a distinct browser-based path when web_search is unavailable or fails.
description_zh	使用 Agent Browser 完成真实浏览器导航、动态页面读取和网页交互；当 web_search 未配置或失败时，也可把它作为独立的浏览器路径评估使用。
metadata	{"nextclaw":{"emoji":"🌐"}}

Agent Browser

Agent Browser 是 NextClaw 调用的外部浏览器自动化 CLI。本 skill 只提供检查、安装引导、使用方式和安全边界，不包含 Agent Browser 的代码、npm 包或浏览器二进制。

能力边界

• web_search 适合开放式信息发现，Agent Browser 适合访问已知 URL、读取动态页面和执行真实网页交互。
• 两者是独立能力。不要把 Agent Browser 的结果伪装成 web_search 结果，也不要宣称它能稳定替代搜索服务。
• 本 skill 中的 Agent Browser 专指外部 agent-browser CLI；web_fetch、Chrome/Edge DevTools MCP 和 Browser Connector 是其他独立能力，不能冒充或混称 Agent Browser。
• 当 web_search 未配置、未启用或请求失败，而浏览器仍可能推进任务时，先用一句话告诉用户将改用浏览器自动化，再继续本流程。
• 遇到验证码、登录墙、地区限制或搜索结果明显无关时，不得声称已经搜到或验证过信息。

首次使用与就绪检查

先检查外部 CLI 是否存在：

command -v agent-browser
agent-browser --version

如果 CLI 不存在：

1. 明确告诉用户这会安装第三方全局 npm 包并下载浏览器运行文件。
2. 用户当前请求若没有明确授权安装，先征得同意，不要静默安装。
3. 获得授权后执行：

npm install -g agent-browser
agent-browser install

安装后或怀疑环境异常时先运行只读快速诊断：

agent-browser doctor --offline --quick

只有诊断表明需要修复且用户同意时，才运行可能重装浏览器或清理旧状态的 agent-browser doctor --fix。

本地模式不要求付费云浏览器，也不要求 Browserbase、Browser Use 等云 provider key。选择外部云 provider 时，才按对应服务的账户和计费规则处理。

先读取当前版本指南

Agent Browser 的命令会随版本演进。执行非简单任务前，先读取 CLI 自带且与当前版本匹配的核心指南：

agent-browser skills get core

只有需要完整参数或复杂工作流时再使用：

agent-browser skills get core --full

以这份版本匹配指南为准，不要只凭记忆猜测命令或复制过时示例。

标准执行循环

为每个任务使用独立、简短、仅含小写字母、数字和连字符的 session 名称，例如 nextclaw-research-1。同一任务的所有浏览器命令都带同一个 --session：

agent-browser --session nextclaw-research-1 open https://example.com
agent-browser --session nextclaw-research-1 snapshot -i -u
agent-browser --session nextclaw-research-1 get title
agent-browser --session nextclaw-research-1 get url

核心循环：

1. open 打开明确 URL。
2. snapshot -i -u 读取可交互元素和链接；只读正文时可使用完整 snapshot 或针对元素执行 get text。
3. 使用最新 snapshot 生成的 @eN ref 交互。
4. 页面导航、提交或动态重绘后先等待，再重新 snapshot；旧 ref 已失效。
5. 用页面标题、最终 URL、可见文本或预期状态验证结果。
6. 从实际打开和读取的页面记录来源 URL，不把搜索结果摘要当成已核验来源。

任务完成、失败或准备回复用户前，关闭本任务的 session：

agent-browser --session nextclaw-research-1 close

不要默认使用 close --all，它可能关闭其他并行任务的浏览器 session。

用浏览器进行信息发现

浏览器信息发现是受限制的替代路径，不等于搜索 API：

• 已知目标站点或域名时，优先打开站点首页、站内搜索页或用户提供的 URL。
• 不知道来源时，可以尝试公开搜索引擎，但必须确认结果页确实对应查询，并打开具体来源页核验。
• 某个搜索引擎出现验证码、空结果或明显无关结果时，可以换一种查询或另一个入口重试一次。
• 两种策略都无法得到可核验来源时停止，关闭 session，并如实说明浏览器路径的限制；不要无限重试。
• 对时效性事实，必须检查页面发布日期、更新时间和事件发生时间。

交互与授权

• 公开页面的只读访问、snapshot、文本读取和截图，可以在用户请求范围内直接执行。
• 登录、输入凭据、提交表单、购买、发帖、发消息、上传、下载或修改远端数据前，确认用户请求已经授权对应动作；没有授权就先询问。
• 不把密码、token 或其他秘密直接写进命令参数或 shell 历史。需要认证时，先读取当前版本 core skill 中的 auth vault / profile 指南。
• 页面动作结果不明确时先验证，不要重复点击可能产生双重提交的控件。

故障处理

• CLI 或浏览器启动失败：运行 agent-browser doctor --offline --quick，再根据结果决定是否需要完整 doctor。
• 页面等待超时：检查当前 URL、snapshot、console/errors；同一动作最多换一种等待或定位策略重试一次。
• 出现验证码或反自动化阻断：不要尝试绕过，改用用户可操作的登录浏览器、其他公开来源，或报告阻塞。
• 任意错误路径都应尝试关闭本任务命名 session；若进程已被外部强制终止而无法清理，要在后续恢复时先用 agent-browser session list 检查遗留 session。

完成检查

回复用户前确认：

• 实际执行过需要的浏览器动作，而不是只描述计划；
• 结论来自已打开并读取的页面；
• 没有把浏览器访问称作 web_search；
• 有副作用的动作都在授权范围内；
• 本任务命名 session 已关闭。