浏览器与计算机控制

打开 URL、检查 DOM 快照、点击、输入和移动鼠标——原生支持。

当代理需要 使用 像人一样使用你的机器——打开页面、检查其 DOM 快照、点击按钮、输入短语——这些工具就是它完成这些操作的方式。

浏览器

• 打开 在一个嵌入式网页视图中打开一个 URL，代理可以从中读取内容。

• 快照 当前页面的可访问性/DOM 结构，包括供后续操作使用的稳定元素引用。

浏览器界面通过 CEF（Chromium Embedded Framework，Chromium 嵌入式框架）运行，并包含一个安全层，用于限制页面可执行的操作。参见 Chromium 嵌入式框架 以了解平台详情。

电脑（鼠标 + 键盘）

• 鼠标 ——移动、点击、拖拽。

• 键盘 ——输入文本、发送组合键。

• 人类路径 ——移动和点击遵循类似人类的轨迹，而不是瞬移，因此不会触发简单的机器人检测。

适用场景

• 驱动没有 API 的网站或 原生集成.

• 多步骤 UI 流程，其中交互式 DOM 快照会提供下一个可操作元素。

• 在聊天中自动化本地应用。

另请参见

• 网页抓取器 ——当你只需要文章内容，而不是整个页面时。

• Chromium 嵌入式框架 ——运行时浏览器层。