AI Browser
# AI Browser Skill 🌐
通过 WebSocket 控制真实浏览器，实现导航、点击、输入、截图、DOM 获取等自动化操作。
## 特点
- ✅ 真正的浏览器内核 (Chromium)
- ✅ WebSocket 实时控制
- ✅ 支持无头/有头模式
- ✅ 简单的标签页管理
- ✅ 自动重连机制
## 启动方法
```bash
# 1. 安装依赖
npm install
# 2. 启动服务
npm start
# 服务将运行在 ws://localhost:18790
```
## WebSocket 协议
### 连接
连接到 `ws://localhost:18790`
### 消息格式
发送 JSON:
```json
{
"id": "请求 ID (可选)",
"action": "动作名称",
"params": { ... }
}
```
### 支持的动作
| 动作 | 参数 | 说明 |
|------|------|------|
| `navigate` | `{ url: "https://..." }` | 导航到指定 URL |
| `snapshot` | `{}` | 获取当前页面简化 DOM 结构 |
| `screenshot` | `{ fullPage: false }` | 截图 (返回 base64) |
| `click` | `{ selector: "button" }` | 点击元素 |
| `type` | `{ selector: "input", text: "hello", delay: 50 }` | 输入文本 |
| `evaluate` | `{ script: "document.title" }` | 执行 JS 脚本 |
| `status` | `{}` | 获取浏览器状态 |
### 响应格式
```json
{
"id": "请求 ID",
"success": true,
"result": { ... }
}
```
## 使用示例 (Python)
```python
import websocket
import json
ws = websocket.create_connection("ws://localhost:18790")
# 导航
ws.send(json.dumps({"action": "navigate", "params": {"url": "https://fanqie.baidu.com"}}))
print(ws.recv())
# 截图
ws.send(json.dumps({"action": "screenshot", "params": {}}))
resp = json.loads(ws.recv())
with open("screen.png", "wb") as f:
f.write(base64.b64decode(resp["result"]["image"]))
ws.close()
```
## 注意事项
- 首次启动会自动下载 Chromium (约 100MB)
- 默认端口 18790，可通过 `AI_BROWSER_PORT` 环境变量修改
- 无头模式设为 `false`，可以看到浏览器界面（方便调试）
## 使用场景
- 网页自动化测试
- 数据抓取
- 截图采集
- 表单自动填写
- 网站监控
标签
skill
ai
