Browser Automation

核心能力

自然语言驱动的浏览器自动化

基于 Stagehand CLI 与 Claude 构建，用户无需编写复杂代码，通过自然语言描述即可完成网页浏览与交互操作。系统会自动判断使用本地 Chrome 还是远程 Browserbase 环境，无缝切换。

两种运行模式

特性	本地模式 (Local)	远程模式 (Browserbase)
运行环境	本地 Chrome	云端 Browserbase
前置条件	安装 Chrome	BROWSERBASE_API_KEY / PROJECT_ID
速度	更快	略慢
隐身模式	不支持	支持
代理 / CAPTCHA	不支持	支持
适用场景	开发调试	生产 / 数据采集

自动选择逻辑：检测 .env 中是否存在 BROWSERBASE_API_KEY 和 BROWSERBASE_PROJECT_ID，存在则使用远程模式，否则回退到本地模式。

支持的操作指令

命令	功能	示例
browser navigate <url>	访问指定网址	browser navigate https://example.com
browser act "<action>"	执行自然语言描述的操作	browser act "点击登录按钮"
browser extract "<instruction>"	提取页面数据	browser extract "获取页面标题"
browser observe "<query>"	发现页面可用元素	browser observe "查找所有按钮"
browser screenshot	截取当前页面截图	browser screenshot
browser close	关闭浏览器会话	browser close

数据提取

extract 指令支持可选的 JSON Schema 参数，可结构化提取数据：

browser extract "获取产品列表" '{"products": [{"name": "", "price": 0}]}'

典型工作流

1. 导航 — browser navigate <url> 打开目标页面
2. 交互 — browser act "<操作描述>" 点击、填写、滚动等
3. 提取 — browser extract "<提取描述>" 获取所需数据
4. 验证 — browser screenshot 截图确认操作结果
5. 收尾 — browser close 关闭浏览器

环境要求

首次使用需完成初始化：

npm install  # 安装依赖
npm link     # 创建全局 browser 命令

配置完成后，会在目录下生成 setup.json，标记 setupComplete: true。

故障排查

问题	排查方向
Chrome 未找到	安装 Chrome 或配置 Browserbase API Key
操作失败	使用browser observe查看可用元素
Browserbase 失败	验证 API Key 和 Project ID 是否正确
命令无响应	确认已运行npm link创建全局命令

关联文件

• EXAMPLES.md — 详细使用示例
• REFERENCE.md — API 参考文档