AI Browser 技能 🌐

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 AIBROWSERPORT 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