CtrlK
BlogDocsLog inGet started
Tessl Logo
SkillPublic

browser-automation

浏览器工作流总路由:为外部网站浏览、登录态流程、浏览器自动化、证据采集选择合适后端。 Use when: 需要操作外部网站、登录页、JS 重页面、没有 webfetch/VL 但需要浏览器、或需要在多种浏览器工具之间路由。 Not for: localhost 页面预览(用 browser-preview)、本地 WebApp 确定性测试(用 webapp-testing)、简单网页抓取/搜索。 Output: 选定浏览器后端 + 执行路径 + 证据/结果。

Quality

79%

Does it follow best practices?

Run evals on this skill

Adds up to 20 points to the overall score

View guide
SecuritybySnyk

Passed

No findings from the security scan

Fix and improve this skill with Tessl

tessl review fix ./cat-cafe-skills/browser-automation/SKILL.md
SKILL.md
Quality
Evals
Security

Browser Automation

这是家里的上层浏览器路由 skill。

它只做三件事:

  • 判断这次任务该不该用浏览器
  • 选择合适的浏览器后端
  • 把任务转给更具体的 skill / ref,而不是在这里重复厂商文档

先按目的选入口

  • 自动验证、Alpha 自验、截图取证:使用猫自有的无头浏览器;本地 WebApp 走 webapp-testing,外部网页按下面的后端路由。运行服务和验证页面都不需要激活桌面。
  • 给operator看 localhost 成品:走 browser-preview 展示 Hub 内嵌面板。面板排队或未确认送达时保留原回执,不改用系统浏览器。
  • 明确要求看着操作,或当前任务明确包含自有 profile 的可见首次登录:走 refs/playwright-mcp.md 的显式可见分支;已有明确请求就直接执行该分支,不再索要一次工具配置批准。
  • 接手人的已登录浏览器:只有本任务明确需要并已获授权接手那个会话,才走 refs/playwriter.md。需要登录态、iframe 或无头执行失败,都不是自动接管人的 Chrome 的理由。

普通自动化默认无头。不要用系统 open、应用 activate、可见窗口或真实 Chrome 接管来自动兜底。账号必须本人确认时,交付可点击入口与恢复点,由人主动打开。

执行前四问

在真正执行浏览器操作前,先明确这四件事;已知答案直接沿用:

  1. 真的需要浏览器吗? 如果只是读文档、抓纯文本、做搜索,不要默认上浏览器。
  2. 目的是自动验证、展示成品,还是外部交互? 先按上面的目的选入口,再看目标主机;localhost 自测也走无头验证,不能一律路由成展示。
  3. 这只猫的客户端能力是什么? MCP 原生、CLI-only、是否有 webfetch、是否能跑 shell、是否有 VL。
  4. 这次任务的 session 属于谁? 是匿名访问、猫自己的浏览器会话、还是接手人类已登录会话。

什么时候用

  • 目标是外部网站,需要真实浏览器执行 JS、登录、点按钮、下载、截图
  • 猫没有 webfetch,或者 webfetch 不足以完成交互
  • 需要在 agent-browser / Playwright MCP / Playwriter / PinchTab 之间做路由
  • 需要明确“这类浏览器任务的默认打法是什么”

不要用在这里

  • localhost 页面预览、HMR、给operator看效果 → 用 browser-preview
  • 本地 WebApp 的确定性测试、Console、截图、回归验证 → 用 webapp-testing
  • 简单网页抓取、官方文档阅读、搜索结果整理 → 优先用更轻量的搜索 / fetch 工具,不要先上浏览器
  • 已有领域专用浏览器 skill 的任务 → 专用 skill 优先

默认路由顺序

  1. 先问:真的需要浏览器吗? 如果只是读文档、抓纯文本、做搜索,不要默认上浏览器。
  2. 目标是本地 WebApp 验证吗? 是 → webapp-testing
  3. 目的是给人展示 localhost 页面吗? 是 → browser-preview 的 Hub 内嵌面板
  4. 客户端已经有稳定可用的 Playwright MCP 吗? 是 → refs/playwright-mcp.md(MCP ID: playwright)
  5. 本任务明确获准接手人类现有 Chrome 会话吗? 是 → 用 claude-in-chrome MCP(工具前缀 mcp__claude-in-chrome__*),参考 refs/playwriter.md;复杂 iframe、多 tab 本身不要求接管人的会话
  6. 这是 CLI 型猫,没 webfetch / 没 VL,但能跑命令吗? 是 → refs/agent-browser.md(MCP ID: agent-browser,社区 wrapper,使用前先做本机验活)
  7. 需要长驻 daemon、持久 session、HTTP-first 服务吗? 是 → refs/pinchtab.md(MCP ID: pinchtab,优先 native binary pinchtab mcp,不要默认相信 npm wrapper)

路由矩阵

场景默认MCP ID状态
本地前端页面预览browser-preview—独立 skill
本地 WebApp 测试 / 回归webapp-testing + Playwrightplaywright已接入
MCP 原生客户端的常规网页自动化无头 Playwright MCPplaywright受管描述符显式指定 --headless
明确要求可见操作 / 明确包含自有 profile 可见首次登录自有可见 Playwright 会话—按 refs/playwright-mcp.md,保持全局默认无头
明确获准接手人的已登录 Chromeclaude-in-chromeclaude-in-chromeChrome 扩展直接操作人的会话,后台导航也会改变其 tab
CLI 型猫、没 webfetch / 没 VLagent-browser— (CLI 工具)✅ 可用 — npm i -g agent-browser,通过 Bash tool 调 CLI
服务化浏览器、持久化 session、重复批任务PinchTabpinchtab✅ 已接入 — native binary pinchtab mcp(外网 URL 用 eval 导航,见 ref)

常用组合打法

目标组合说明
外部网站调研 + 本地页面实现browser-automation + browser-preview前者看参考站,后者看我们自己的 localhost
本地 WebApp 开发验收browser-preview + webapp-testing一个看效果,一个做确定性验证
接手人类已登录会话browser-automation + refs/playwriter.md明确是谁的 session,再做操作
重复批量抓取 / 长驻任务browser-automation + refs/pinchtab.md不是临时调试,而是服务化执行

读取哪些 refs

RefMCP ID场景
refs/playwright-mcp.mdplaywright常规 MCP 原生网页自动化(默认)
refs/playwriter.mdclaude-in-chrome已登录 Chrome / iframe-heavy / 多 tab(实际用 mcp__claude-in-chrome__* 工具)
refs/agent-browser.md— (CLI 工具)CLI 型猫 / 无 webfetch / 无 VL
refs/pinchtab.mdpinchtab服务化、持久 session、HTTP-first

交付要求

每次真正使用浏览器后端,至少说清楚这四件事:

  • 用了哪个后端,为什么不是另一个
  • 目标站点 / 路径 是什么
  • 是否涉及登录态;如果涉及,是谁的 session
  • 留下了什么证据:截图、提取文本、Console、下载文件、操作结果

如果任务涉及人类账号:

  • 不要默认代替人类登录敏感站点
  • 明确说明是否是“接手现有已登录会话”
  • 结束时说明是否保留了 session / cookie / tab 状态

Common Mistakes

错误后果修复
把 browser-preview 并进本 skilllocalhost 和外部网站边界糊掉保持独立 skill,只在这里路由
默认所有猫都装同一套浏览器后端CLI/MCP/登录态需求互相打架先按场景选,再按客户端能力落工具
在主 skill 里复制厂商文档一改后端就大面积漂移厂商细节压到 refs/
简单抓取先上浏览器成本高、速度慢、失败面更大先判断是否能用更轻量工具
把所有 localhost 操作都路由成展示自测被误当作要给人开页面先按自动验证 / 展示 / 外部交互区分,再看主机
把需要登录或无头失败当作开窗许可自动化打断人的桌面保留无头默认;显式可见操作用自有 profile,本人确认交可点击入口
登录态责任不清楚就开干容易误用人类 session先说清 session 属于谁,再动手
做完只说”好了”不留证据后续无法验收或复现至少交付 URL/截图/文本/日志中的一种
PinchTab 外网用 pinchtab_navigateClash TUN 下 403(Go 层 DNS 预检拦截 198.18.x.x)用 pinchtab_eval + window.location.href 导航,详见 refs/pinchtab.md

和其他 skill 的区别

Skill关注点
browser-automation外部网站浏览器工具的总路由和选型
browser-previewHub 内预览 localhost 页面
webapp-testing用 Playwright 做本地 WebApp 验证
领域专用浏览器 skill某个网站 / 某类提取任务的专用流程

下一步

  • localhost 页面 → browser-preview
  • 本地 WebApp 验证 → webapp-testing
  • 其余外部网站任务 → 读取匹配的 refs/*.md 后执行
Repository

zts212653/clowder-ai

Path

cat-cafe-skills/browser-automation/SKILL.md

Last updated
First committed

Is this your skill?

If you maintain this skill, you can claim it as your own. Once claimed, you can manage eval scenarios, bundle related skills, attach documentation or rules, and ensure cross-agent compatibility.