browser_task - 智能浏览器任务

推荐优先使用 - 这是浏览器操作的首选工具。

基于 browser-use 开源项目实现。

用法

browser_task(
    task="要完成的任务描述",
    max_steps=15  # 可选，默认 15
)

参数

参数	类型	必填	说明
task	string	是	任务描述，用自然语言描述你想完成的操作
max_steps	integer	否	最大执行步骤数，默认 15

何时使用（优先）

• 任何涉及多步骤的浏览器操作
• 网页搜索、表单填写、信息提取
• 不确定具体操作步骤时
• 复杂的网页交互流程

示例

搜索任务

browser_task(task="打开百度搜索福建福州天气")

表单填写

browser_task(task="打开 example.com 的注册页面，填写用户名 test123")

信息提取

browser_task(task="打开 GitHub 首页，获取今日热门项目的名称")

截图任务

browser_task(task="打开百度搜索福建福州，截图保存")

浏览器 & 网站操作工具选用指引

系统提供多条路径操作网站和浏览器，按场景选择最可靠的方案：

场景	推荐工具	说明
目标网站有 opencli adapter	opencli_run（最可靠）	确定性命令 + JSON 输出，复用 Chrome 登录态
需要登录但无 adapter	browser_task → 手动组合	先尝试 browser_task，失败则用 click/type 手动操作
仅需读取网页内容	web_fetch	最快最省资源，无需浏览器
仅需搜索	web_search	DuckDuckGo 直接搜索
复杂多步浏览器交互	browser_task	适合登录、填表、筛选等
单步浏览器操作	browser_navigate/browser_click 等	精确控制单个操作
操作用户已登录的 Chrome	call_mcp_tool("chrome-devtools", ...)	需用户 Chrome 开启调试端口

决策顺序：opencli_run（有 adapter 时）→ web_fetch/web_search（只读时）→ browser_task → 手动 browser_click/type 组合 → chrome-devtools MCP。

何时使用细粒度工具

仅在以下情况使用 browser_navigate、browser_click 等细粒度工具：

• browser_task 执行失败需要手动介入
• 仅需单步操作（如只截图 browser_screenshot）
• 需要精确控制特定元素

返回值

{
    "success": true,
    "result": {
        "task": "打开百度搜索福建福州",
        "steps_taken": 5,
        "final_result": "搜索完成，已显示福建福州相关结果",
        "message": "任务完成: 打开百度搜索福建福州"
    }
}

注意事项

1. 任务描述要清晰具体，避免歧义
2. 复杂任务可能需要增加 max_steps
3. 首次使用会自动启动浏览器（可见模式）
4. 自动继承系统 LLM 配置，无需额外配置 API Key

技术细节

• 通过 CDP (Chrome DevTools Protocol) 复用 OpenAkita 已启动的浏览器
• 自动继承 OpenAkita 系统配置的 LLM（来自 llm_endpoints.json）
• 基于 browser-use 开源项目

高级：操作用户已打开的 Chrome

如果想让 OpenAkita 操作你已打开的 Chrome 页面，需要以调试模式启动 Chrome：

Windows:

"C:\Program Files\Google\Chrome\Application\chrome.exe" --remote-debugging-port=9222

macOS:

/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome --remote-debugging-port=9222

Linux:

google-chrome --remote-debugging-port=9222

启动后，OpenAkita 会自动检测并连接，可以操作你已打开的标签页。

相关技能

• browser_screenshot - 单独截图
• browser_navigate - 单独导航
• deliver_artifacts - 发送结果给用户