迷你浏览器 Agent CLI
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/runablehq-mini-browser。
技能介绍
问题背景
很多 Agent 需要「看得见、点得着」网页:填表、抓可见文案、对照 UI 做判断。直接塞一整份 Playwright 脚本进对话,既难组合也难在 shell 里和别的工具拼管道。mini-browser(mb) 把浏览器能力拆成一组可单独调用的 Unix 风格子命令,通过 CDP 连本机 Chrome(默认端口 9222),适合在 observe → act 循环里反复调用。
核心能力
- 导航与状态:
mb go、mb url、mb back/mb forward;go会等到networkidle,重 SPA 可再mb wait ".selector"。 - 观察页面:
mb text [selector]取可见文本(默认body);mb shot截 PNG;mb snap列出可交互元素及坐标,便于 Agent 选点。 - 交互:坐标
click/move/drag,mb type、mb fill(按 aria-label、placeholder、name 等匹配表单项)、mb key、mb scroll。 - 多标签与脚本:
mb tab list|new|close;mb js在页面上下文执行;mb wait支持毫秒、选择器、networkidle、url:模式。 - 辅助:
mb record录屏;mb audit做设计/对比度/a11y/SEO 类审计;mb logs拉控制台;--json让snap、tab list、audit等输出结构化数据。
典型流程:先 mb snap 或 mb text,再 mb click / mb fill,必要时 mb shot 留证。
边界与注意
视口固定 1024×768,snap 只覆盖当前可视区域,要继续找元素需 mb scroll 后再 snap。text 用 querySelector,只返回第一个匹配。弹窗/Cookie 条可能挡点击,文档建议用 mb js 先移除再操作。Chrome 需以远程调试端口启动;环境变量 CHROME_BIN、CHROME_PORT 等可改路径与端口。同一时间只能有一份录制状态(~/.mb-recorder.json);不能关掉最后一个标签页。
使用场景
- 需要在无头流程里让 Agent 打开指定 URL、读可见正文并决定是否点击某个按钮时,用 `go` + `text` + `snap` + `click` 分步执行
- 线上表单只有标签/placeholder 没有稳定 id,要让 Agent 按字段名批量填入并提交时,用 `mb fill` 的匹配顺序配合 `key`
- 调试页面交互失败时,要截取当前视口 PNG 并列出可点击元素坐标,对照 `shot` 与 `snap` 的输出
- 审查落地页的配色、对比度或基础 SEO 信号,需要一条命令输出审计结果而非手写检查清单时,使用 `mb audit`
适合人员
- 在编排多步 Agent 工作流、希望把「打开网页—读内容—点击」拆成可 shell 调用的步骤的自动化工程师
- 负责 Web 回归或可用性抽检、需要截图、录屏和控制台日志一起留档的 QA
- 做竞品或自家产品页面对照,要从真实渲染页抽取文案并跑设计/可访问性审计的设计师或前端
- 在本地用 Chrome 远程调试端口联调 RPA 式脚本的开发者,不想每次改逻辑都重写一整份 Puppeteer 文件