技能介绍

要解决什么问题

很多 Agent 任务离不开真实浏览器：创作者后台登录、滑块/扫码/短信验证、发布页填表后仍需人工点确认。若 Agent 只用自带的 headless Chromium，用户看不到同一画面，排查和协作都会错位；在 Linux 服务器上甚至没有可共享的桌面。

本技能把 可远程观看的浏览器 和 CDP（Chrome DevTools Protocol） 绑在一起：Agent 固定连 127.0.0.1:9223 做自动化，用户则在另一端看到同一实例在干什么。

技能如何工作

Linux 路径 用 Xvfb 虚拟显示器跑 Chromium，x11vnc + noVNC/websockify（默认 6080）把画面推到浏览器；数据流大致是：Xvfb → Chromium（CDP 9223）→ VNC 链路 → 用户浏览器。

Windows 路径 直接以 CDP 模式启动本机 Edge/Chrome，用户看本机窗口，无需 noVNC 栈。

部署侧会先做 环境分流（CLOUD / NAS / LOCAL / Windows），再装依赖、放行端口、写启动脚本与可选 systemd 自启。完成后 Agent 应 只使用本技能拉起的浏览器，且不得给 Chromium 加 --headless，否则 noVNC 无画面。对外告知 noVNC 地址时须按环境类型选 公网 IP（云） 或 内网 IP（NAS/本机 Linux），避免用户打不开链接。

适用边界与注意点

适合：需要人机同屏的登录后台、风控验证、内容发布末段人工确认、联调时一起看页面状态。
不适合：纯 API、不允许暴露远程桌面入口的严苛生产环境；Linux 下若无法开放 6080 或没有 root/sudo，应改用 Windows 模式或另寻方案。
统一使用 9223 端口，是为避免与常见 Playwright 默认 9222 冲突；配置自启前需结束手动启动的 Chromium，防止两个实例争用同一 --user-data-dir。