Browserable 自托管浏览器自动化

要解决的问题

让 AI 代理操作网页，通常只有两条路：调用托管的浏览器服务，或者从零手搓一套自动化脚本。前者把渲染、会话、Cookie、代理 IP 全部交给黑盒服务，成本和数据边界都不可控——页面结构变动、网络策略收紧、敏感数据出境，都会直接卡住任务。后者则意味着维护无头浏览器、反检测策略、超时重试等一堆基础设施，工程师很容易被拖进"养浏览器"的泥潭。

核心能力与工作方式

• 自托管运行：基于开源库 Browserable，整个浏览器环境部署在你自己的机器上，渲染、会话、Cookie 和代理设置全部留在本地。
• 标准化任务流：技能把浏览器操作收敛为四类可重复动作——页面导航、表单填写、结构化数据提取、基于浏览器的任务执行。
• 配置驱动：服务启动后，通过 http://localhost:2001 的配置界面绑定 LLM 与远程浏览器 API 密钥，之后代理即可按技能定义的流程反复调用。
• 依赖前置：宿主机需预装 Docker 与 Docker Compose，浏览器实例的编排和运行都依赖这套运行时。

适用边界与注意点

• 运维成本：托管服务换来的是零运维；自托管意味着你要负责容器编排、浏览器镜像更新和故障恢复。
• 密钥管理：LLM 与远程浏览器 API 的密钥需自行保管，配置错误可能导致任务静默失败或服务直接无法启动。
• 适合谁：对数据驻留、内网环境、定制化浏览器行为有硬性要求的团队；只想快速跑通 demo 的开发者可能会觉得门槛偏高。
• 技能范围：本技能解决的是"如何让代理可靠地操作浏览器"，不包含任务规划、多工具编排等 Agent 层能力，那部分仍需你自己实现。