---
name: browser-automation
description: >
  Use when a task needs a real browser: pages that render with
  JavaScript, clicking through pagination or forms, filling and
  submitting input, or taking a screenshot of what a page
  actually looks like. For a plain static page or a quick fact,
  use web_fetch / web_search first; open the browser only when
  static fetch cannot see the content.
---

## 工具

`browser_navigate`（打开 URL，返回最终 URL 与标题）、
`browser_snapshot`（当前页标题、URL、正文，超 8000 字截断并标记）、
`browser_click`（按 CSS 选择器或 `text=...` 点击）、
`browser_fill`（按选择器填表）、
`browser_evaluate`（在页内跑 JS 表达式，返回字符串，限 4000 字）、
`browser_screenshot`（把当前页存成工作区内的 PNG，返回绝对路径与字节数）、
`browser_click_at`（按视口坐标点击，坐标系为 1280x800、原点左上角，
是 live 视图里用户点击的落点）、
`browser_live_shot`（把当前画面存成固定文件 browser-live.png，
附带 browser-live.json 状态：URL、标题、时间戳，供 watcher 轮询）、
`browser_close`（关闭浏览器，可重复调用）。

浏览器是单页的：一次 navigate，之后 snapshot / click / fill /
screenshot 都针对同一页；要换页再 navigate。

## live 视图（第一期）

有人在看浏览器时，每次 navigate / click / fill / click_at 之后
都要调一次 `browser_live_shot`，让 browser-live.png 保持最新；
不要只在最后截图一次。用户在 live 图上点的坐标会以 x/y 到达
`browser_click_at`，点完必须再 snapshot 一次确认变化，再调
`browser_live_shot` 刷新画面。

## 远控接管（第二期）

用户可以在控制台接管浏览器：接管期间（holder=user）你的
所有 browser_* 工具都会直接报错“user holds browser control”，
不要重试、不要 close 浏览器，停下来等用户交还；交还后
（holder 回到 agent）下一条继续消息会让你续跑，续跑前先
snapshot 一次看清用户改动到哪了。

新工具：`browser_snapshot_refs`（带 ref 的元素清单，点
`browser_click_ref` 比 CSS 选择器稳，页面重渲染后先重新
snapshot_refs 再点）；`browser_mouse_move` / `browser_key_press` /
`browser_type_text`（键盘与鼠标，远控输入与 agent 工具同源）。

## 规则

1. 先 navigate，再 snapshot 看实际渲染结果；click / fill 后
   必须再 snapshot 一次确认变化，不要凭猜测汇报。
2. 截图产出后用 shell / PIL 重新打开验证（格式、尺寸、非 0
   字节）再交给用户；失败时贴出工具报错，不要换一张别的图顶替。
3. 网络走 egress 代理：不在 Tinyproxy 白名单里的域名会报
   代理 403，这时如实说明，不要绕过白名单。
4. file:// URL 可用于打开工作区内已写好的测试页（验证 JS
   执行、表单行为），是比外网更可靠的自测手段。
5. 不要用浏览器做静态抓取能做的事；不要用 evaluate 绕过
   click / fill 的正常路径去改页面状态，除非 snapshot 已证明
   正常路径走不通。