Agent Browser — 代理浏览器

工作原理

每个 NanoClaw 容器都内置了 agent-browser，这是一个基于 Playwright 构建的 CLI 工具，为代理提供完整的浏览器自动化能力。代理可以使用它浏览网页、与页面交互以及提取信息——无需显示服务器或图形界面。

核心工作流程很简单：导航到页面，获取快照查看页面内容，然后通过元素引用进行交互。快照会返回一棵无障碍树，其中每个可交互元素都有一个引用标识，如 @e1、@e2。代理通过引用来点击、填写和读取元素，页面变化后重新获取快照。

这是一项内置功能——无需安装技能，也无需任何配置。代理会根据任务需要自行决定何时使用浏览器。

代理能做什么

搜索和阅读。 代理可以打开 URL、读取页面内容并提取特定数据。它能够浏览多页结果、跟踪链接，并从任意元素中提取文本或属性。

表单交互。 代理可以填写输入框、勾选复选框、选择下拉选项并提交表单。它能处理多步骤流程，如登录页面、结账流程或多部分表单。

截图和 PDF。 代理可以截取整个页面或可见区域的屏幕截图，也可以将页面导出为 PDF。当用户需要保存网页内容的可视记录时非常实用。

身份验证。 代理可以登录网站并将会话状态保存到文件中。在后续运行时，它会加载已保存的状态并跳过登录流程。只要状态文件位于已挂载的目录中，即使容器重启也能正常工作。

限制

• 浏览器在容器内以无头模式运行，无法实时查看其界面。
• 具有严格反爬检测的网站（验证码、Cloudflare 挑战等）可能会阻止自动化访问。
• JavaScript 密集型的单页应用（SPA）可以正常工作，但代理可能需要等待导航后元素加载完成。
• 浏览器无法访问宿主机的浏览器配置文件、Cookie 或已保存的密码。

使用技巧

• 当任务需要浏览网页时，代理会主动使用浏览器——你不需要特别说”使用浏览器”。只需说”东京现在天气怎么样”或”填写那个页面上的表单”就够了。
• 对于需要登录的网站，代理可以保存身份验证状态并在之后复用。如果你经常使用某个网站，第一次会话完成登录后，后续会话就会自动跳过登录步骤。
• 截图保存在容器内部。如果你需要持久保存，请确保输出目录位于已挂载的路径中。