前言¶
DeepSeek Harness (DSH) 採用插件化架構，允許通過擴展功能增強能力。dsh-agent-browser 是一個插件，旨在讓模型通過工具調用直接控制 DSH 右側邊欄瀏覽器。它提供了讀取頁面內容、操作元素、導航、切換視口大小以及截取視口截圖的能力，使模型能夠像人類一樣與網頁交互。
核心功能¶
該插件提供以下工具，用於瀏覽器控制：
- browser_tabs：列出當前會話的瀏覽器標籤頁。信息包含 id、title、url、加載狀態、失敗狀態、驗證狀態、掛載狀態以及載體信息（carrier）。
- browser_read：讀取標籤頁內容。支持
mode: 'text'（默認，讀取可見文本）、mode: 'elements'（讀取可交互元素）、mode: 'html'（讀取頁面 HTML）。讀取前應檢查failed狀態，失敗頁面讀取結果爲空。 - browser_act：執行頁面操作。支持
click、type、press、scroll、select、reload、wait。操作目標可通過ref（來自 elements 模式）或 CSS 選擇器指定。wait支持固定延遲或選擇器狀態等待（visible、attached、hidden）。 - browser_screenshot：截取當前視口。支持預設
phone、tablet、desktop以及custom尺寸。 - browser_navigate：打開新標籤頁或導航到指定 URL。
- browser_viewport：切換標籤頁的視口大小。預設包括
auto、phone(390×844)、tablet(834×1112)、desktop(1280×800) 以及custom。 - browser_close：關閉指定的標籤頁。
- browser_eval：在頁面中運行 JavaScript。該功能默認禁用，需配置
enableEval: true才能使用。
安裝方式¶
該插件可通過以下方式獲取：
- 技能庫目錄：https://www.skillhub.cn/plugins/guanhaisen/dsh-agent-browser
- GitHub 倉庫：https://github.com/guanhaisen/dsh-agent-browser
典型用法¶
以下爲模型進行自動化瀏覽的典型工具調用流程：
browser_navigate { url: "https://example.com" }
browser_read { mode: "elements" } // 獲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" } // 確認變更
browser_screenshot { preset: "desktop" }
browser_viewport { preset: "phone" }
browser_close { tabId: "tab4" }
注意事項¶
- 平臺限制：僅支持桌面端（使用 Electron
<webview>）。在 Web 配置文件中，側邊欄瀏覽器使用<iframe>，無法讀取 DOM，相關操作會返回明確原因。 - 配置要求：
browser_eval功能默認禁用，需在配置中開啓enableEval: true才能使用。 - 狀態字段：標籤頁有四個關鍵狀態字段。
mounted表示 DOM 已掛載且可驅動；loading表示導航正在進行；failed表示加載失敗（顯示錯誤頁）；unverified表示渲染器無響應或文檔不可達。 - 截圖限制：當頁面處於
failed或unverified狀態時，截圖操作會被拒絕。 - Wait 行爲：
wait支持固定延遲或基於選擇器狀態（visible/attached/hidden）的等待。
