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
# 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:
{
"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
{
"id": "请求 ID",
"success": true,
"result": { ... }
}
使用示例 (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