browser_use - 浏览器自动化工具

使用 Chrome/Chromium 进行网页导航、元素交互和内容提取。

默认关闭

browser_use 工具默认是关闭的，需要手动启用。

启用方式：进入「智能体管理」→ 编辑智能体 → 「工具」标签页 → 勾选 browser_use

详见 浏览器搜索教程

概述

browser_use 工具让智能体能够：

• 打开和导航网页
• 点击元素和填写表单
• 提取页面内容
• 截图和保存页面
• 管理多个标签页

配置

{
  "type": "builtin",
  "name": "browser_use",
  "description": "浏览器自动化工具",
  "config": {
    "headless": true,
    "userDataDir": "${global.root_dir}/chrome_data",
    "timeout": 30,
    "searchEngine": "baidu"
  }
}

配置参数

参数	类型	默认值	说明
headless	bool	true	无头模式（不显示浏览器窗口）
userDataDir	string	-	Chrome 用户数据目录，用于保留登录状态
timeout	int	30	操作超时时间（秒）
chromeInstancePath	string	-	Chrome 可执行文件路径
disableSecurity	bool	false	禁用安全特性（仅测试用）
proxyServer	string	-	代理服务器地址
searchEngine	string	baidu	默认搜索引擎：google, baidu, bing, duckduckgo 或自定义 URL
extraChromiumArgs	[]string	-	额外的 Chromium 命令行参数
chromiumFlags	map	-	Chromium 命令行参数（支持带值）

操作类型

go_to_url - 导航到 URL

{
  "action": "go_to_url",
  "url": "https://example.com"
}

click_element - 点击元素

通过元素索引点击（索引从页面元素列表中获取）：

{
  "action": "click_element",
  "index": 0
}

input_text - 输入文本

{
  "action": "input_text",
  "index": 0,
  "text": "搜索关键词"
}

scroll_down / scroll_up - 滚动页面

{
  "action": "scroll_down",
  "scroll_amount": 500
}

extract_content - 提取内容

使用 AI 提取页面内容：

{
  "action": "extract_content",
  "goal": "获取页面主要内容"
}

web_search - 网页搜索

使用配置的搜索引擎搜索：

{
  "action": "web_search",
  "query": "搜索关键词"
}

wait - 等待

{
  "action": "wait",
  "seconds": 3
}

open_tab / switch_tab / close_tab - 标签页管理

{
  "action": "open_tab",
  "url": "https://example.com"
}

{
  "action": "switch_tab",
  "tab_id": 0
}

{
  "action": "close_tab",
  "tab_id": 0
}

set_timeout - 设置超时

{
  "action": "set_timeout",
  "timeout": 60
}

set_search_engine - 设置搜索引擎

{
  "action": "set_search_engine",
  "search_engine": "google"
}

set_headless - 设置无头模式

{
  "action": "set_headless",
  "headless": true
}

使用示例

搜索并获取结果

// 1. 使用 web_search 搜索
{"action": "web_search", "query": "TPCLAW"}

// 2. 等待结果加载
{"action": "wait", "seconds": 2}

// 3. 提取搜索结果
{"action": "extract_content", "goal": "获取搜索结果列表"}

登录网站

// 1. 打开登录页
{"action": "go_to_url", "url": "https://example.com/login"}

// 2. 输入用户名（假设用户名输入框是页面第 1 个可交互元素）
{"action": "input_text", "index": 0, "text": "user@example.com"}

// 3. 输入密码（假设密码输入框是第 2 个可交互元素）
{"action": "input_text", "index": 1, "text": "password123"}

// 4. 点击登录按钮（假设登录按钮是第 3 个可交互元素）
{"action": "click_element", "index": 2}

提取页面内容

// 1. 打开网页
{"action": "go_to_url", "url": "https://example.com/article"}

// 2. 等待页面加载
{"action": "wait", "seconds": 3}

// 3. 提取文章内容
{"action": "extract_content", "goal": "提取文章标题和正文内容"}

元素定位

browser_use 工具使用索引定位页面元素，而非 CSS 选择器。页面加载后会自动解析所有可交互元素并分配索引。

获取元素索引

调用 go_to_url 或执行操作后，返回结果会包含当前页面的元素列表和索引。

最佳实践

1. 添加等待时间

网络操作需要等待：

{"action": "go_to_url", "url": "..."}
{"action": "wait", "seconds": 3}

2. 使用持久化会话

配置 userDataDir 保持登录状态：

{
  "config": {
    "userDataDir": "${global.root_dir}/chrome_data"
  }
}

3. 使用 web_search 搜索

直接使用内置搜索功能，无需手动操作搜索框：

{"action": "web_search", "query": "要搜索的内容"}

注意事项

• 确保已安装 Chrome 或 Chromium
• 首次运行会自动下载 ChromeDriver
• 复杂网站可能需要调整等待时间
• 某些网站有反爬虫机制

相关文档

• bash - 执行命令
• read - 读取文件