Web網頁操作:給 Agent 補齊瀏覽、點擊與讀取網頁的能力

前言

做聯網調研或網頁信息抽取時,很多 Agent 只會調用搜索接口和抓取靜態 HTML。搜索結果像是商場門口的介紹牌,能看到入口和樓層索引,卻看不到櫃檯在哪、價籤怎麼寫、排隊的人是誰。真正幹活時,你需要的是走進去,自己看、自己點、自己往下滾。

「Web網頁操作」這個社區 Skill 就是爲補這一層能力而生的:把 Agent 連到日常使用的 Chrome 或 Edge 瀏覽器上,讓它能在真實頁面裏瀏覽、點擊、滾動、填表、上傳、截圖,並檢索本地書籤和歷史。下面介紹它的定位、能力邊界和使用方式。

這是什麼

一句話定位:一個基於通用 SKILL.md 格式的瀏覽器操作類 Skill,爲支持該格式的 AI Agent 提供聯網調研、網頁讀取,以及在用戶授權下的真實瀏覽器操作流程。

  • 座標:@user_f2153dc2/web-page-operations
  • 發佈者:user_f2153dc2
  • 來源:community(社區,非官方第一方)
  • 分類:ai-agent
  • 版本:1.0.0
  • 標籤:requires_api_key=false(按官方資料,無需 API Key)

它解決的是”Agent 能看網頁但不能上手操作網頁”的問題:既能檢索公開信息、讀取指定網頁或動態頁面,也能在用戶已登錄的瀏覽器裏點擊、滾動、填表,而不是每次從頭模擬一個陌生環境。

核心能力

按官方簡介,這個 Skill 覆蓋的能力分爲四類。

聯網與讀取

1、搜索並覈實公開信息。
2、讀取指定網頁或動態頁面內容(不只是靜態 HTML)。

真實瀏覽器操作(用戶授權下)

3、訪問用戶已經登錄的網站,複用用戶現有會話。
4、點擊頁面元素、滾動頁面。
5、填寫表單、上傳文件。
6、截取頁面畫面或視頻畫面。

本地瀏覽器資產

7、檢索本地瀏覽器的書籤和歷史記錄。

自主選擇聯網方式

8、在多種聯網方式之間自主選擇。這類任務往往沒有固定路徑:能直接抓取的頁面不必開瀏覽器,需要登錄態或交互的頁面才走真實瀏覽器。

安裝與啓用

官方資料未提供可直接複製的安裝命令或目錄路徑,因此這裏不臆造 npm/curl 之類的命令。可覈實的配置字段如下:

  • 座標:@user_f2153dc2/web-page-operations
  • 版本:1.0.0
  • 是否需要 API Key:否(requires_api_key=false)
  • 官方地址:https://api.skillhub.cn/user_f2153dc2/web-page-operations
  • SkillHub 頁面:https://www.skillhub.cn/skills/user_f2153dc2/web-page-operations

由於它遵循通用 SKILL.md 格式,接入方式取決於你使用的 Agent 宿主(Cursor、Codex CLI、Claude Code 等)如何加載本地 Skill 目錄。不同宿主的放置路徑和啓用開關並不統一,官方資料裏沒有逐一說明,建議以宿主文檔爲準,併到上面的官方地址覈對最新安裝步驟。

典型用法

官方資料以描述能力爲主,沒有給出可直接復現的完整腳本。下面按”任務類型 → 需要的能力”整理,作爲接入後的能力清單,而非可執行示例。

  • 需要覈實某條公開信息:用搜索與覈實公開信息的能力,必要時讀取指定網頁覈對原文。
  • 需要讀一個依賴前端渲染的動態頁面:用讀取動態頁面的能力,而不是隻抓靜態 HTML。
  • 需要在已登錄的站點裏走一遍流程(點按鈕、填表單、上傳文件):走真實瀏覽器操作,複用用戶現有登錄態。
  • 需要把某個頁面或視頻畫面存下來:用截取頁面或視頻畫面的能力。
  • 需要從瀏覽器裏找回之前收藏或訪問過的頁面:檢索本地書籤和歷史。

適用場景與注意

適合誰:

  • 需要在 Agent 工作流里加入”打開真實瀏覽器做交互”的開發者。
  • 信息覈實場景中,要求 Agent 能回到原始網頁、而不只是搜索摘要的人。
  • 依賴登錄態、表單、文件上傳才能完成任務的場景。

需要注意:

1、這是一個社區來源(community)的 Skill,不是官方第一方維護,接入前建議覈對來源和更新情況。
2、版本爲 1.0.0,屬於早期版本,能力邊界可能隨後續版本調整。
3、真實瀏覽器操作會用到用戶自己的瀏覽器和登錄態,務必在用戶授權下運行,明確操作範圍,避免在用戶不知情時點擊、填表或上傳。
4、官方資料未提供安裝命令,落地前請到官方地址確認最新的安裝與配置方式。
5、抓取數據中的評分與下載量會變動,本文以抓取時的數值爲準(評分 100000,下載 1285,安裝 0)。

結尾

把 Agent 從”只看搜索結果”推進到”能自己開瀏覽器看、點、填”,是這類 Skill 的價值所在。它沒有提供神奇一鍵方案,而是補上瀏覽器操作這一層能力,具體接入方式仍取決於你的 Agent 宿主。官方地址:https://api.skillhub.cn/user_f2153dc2/web-page-operations

羽毛球分组比赛记分
小程序二维码

欢迎使用《羽毛球分组比赛记分》微信小程序

小夜