确定性浏览器步骤代理

要解决的具体问题

当 AI 代理通过浏览器执行任务时，常见的做法是驱动一个始终保持连接的实时浏览器会话。这种方式存在两个明显的痛点：

• 结果不稳定：页面加载、动画、网络抖动会让截图和 DOM 状态在每一步都不同，代理难以得到可复现的结果。
• 排查困难：当某一步失败时，你手上往往只有一张模糊的截图，无法回溯当时发生了什么。

这个技能的目标，是让浏览器操作每一步都收敛到确定的状态，同时留下完整的证据链。

技能如何工作

技能基于 Agent Browser Protocol，把浏览器动作拆解为一组确定的步骤：

• 确定性步骤：每个动作（如点击、输入、导航）都会等待页面稳定后再返回结果，而不是立即抢答。
• 已解决的截图：步骤完成后采集的截图是页面真正静止后的状态，可直接用于视觉判断。
• 事件日志：过程中产生的表面事件会被记录下来，便于事后复盘。

代理拿到的不再是「动作发出去就不管了」的结果，而是稳定、带截图和日志的完整步骤产物。

适用边界与注意点

• 需要 Chromium 兼容的本地环境；MCP 模式依赖 Node.js/npx，并需要一个 MCP 兼容客户端或 HTTP 调用方。
• 客户端需要具备视觉能力，才能正确消费截图。
• 如果你已经配置了 Playwright MCP server，使用前请先禁用它，以避免工具名称冲突。

这个技能适合需要可复现浏览器结果的代理任务，而不是替代通用的实时浏览器自动化。