dsh-agent-browser：DSH 模型驱动浏览器控制插件

前言¶

DeepSeek Harness (DSH) 采用插件化架构，允许通过扩展功能增强能力。dsh-agent-browser 是一个插件，旨在让模型通过工具调用直接控制 DSH 右侧边栏浏览器。它提供了读取页面内容、操作元素、导航、切换视口大小以及截取视口截图的能力，使模型能够像人类一样与网页交互。

核心功能¶

该插件提供以下工具，用于浏览器控制：

• browser_tabs：列出当前会话的浏览器标签页。信息包含 id、title、url、加载状态、失败状态、验证状态、挂载状态以及载体信息（carrier）。
• browser_read：读取标签页内容。支持 mode: 'text'（默认，读取可见文本）、mode: 'elements'（读取可交互元素）、mode: 'html'（读取页面 HTML）。读取前应检查 failed 状态，失败页面读取结果为空。
• browser_act：执行页面操作。支持 click、type、press、scroll、select、reload、wait。操作目标可通过 ref（来自 elements 模式）或 CSS 选择器指定。wait 支持固定延迟或选择器状态等待（visible、attached、hidden）。
• browser_screenshot：截取当前视口。支持预设 phone、tablet、desktop 以及 custom 尺寸。
• browser_navigate：打开新标签页或导航到指定 URL。
• browser_viewport：切换标签页的视口大小。预设包括 auto、phone (390×844)、tablet (834×1112)、desktop (1280×800) 以及 custom。
• browser_close：关闭指定的标签页。
• browser_eval：在页面中运行 JavaScript。该功能默认禁用，需配置 enableEval: true 才能使用。

安装方式¶

该插件可通过以下方式获取：
- 技能库目录：https://www.skillhub.cn/plugins/guanhaisen/dsh-agent-browser
- GitHub 仓库：https://github.com/guanhaisen/dsh-agent-browser

典型用法¶

以下为模型进行自动化浏览的典型工具调用流程：

browser_navigate { url: "https://example.com" }
browser_read { mode: "elements" }  // 获取可交互元素的引用
browser_act { action: "type", ref: "e1", text: "hello" }
browser_act { action: "click", ref: "e2" }
browser_read { mode: "text" }      // 确认变更
browser_screenshot { preset: "desktop" }
browser_viewport { preset: "phone" }
browser_close { tabId: "tab4" }

注意事项¶

• 平台限制：仅支持桌面端（使用 Electron <webview>）。在 Web 配置文件中，侧边栏浏览器使用 <iframe>，无法读取 DOM，相关操作会返回明确原因。
• 配置要求：browser_eval 功能默认禁用，需在配置中开启 enableEval: true 才能使用。
• 状态字段：标签页有四个关键状态字段。mounted 表示 DOM 已挂载且可驱动；loading 表示导航正在进行；failed 表示加载失败（显示错误页）；unverified 表示渲染器无响应或文档不可达。
• 截图限制：当页面处于 failed 或 unverified 状态时，截图操作会被拒绝。
• Wait 行为：wait 支持固定延迟或基于选择器状态（visible/attached/hidden）的等待。