跳到內容

agent 工具

工具 做什麼
tabs 列出、開啟或關閉 agent 自己的分頁(在背景開)。
navigate 在分頁載入網址,或重新整理。回傳動作 id,給 wait_for 和 network 用。
snapshot 頁面的無障礙樹,可互動的元素有 ref。
read 整頁或某個元素的可見文字,或用 CSS selector 抓出一列列資料。密碼欄位永遠不讀。
act 點擊、打字、按鍵、選擇、捲動:真的輸入,每一步按之前再確認。
wait_for 判斷動作成功沒:畫面變了、網站回應了,或業務結果確認了。
network 分頁裡的請求,可以要回應內容。秘密會遮掉,不給 header。
fetch 用分頁的 cookie,對分頁自己的網域做 GET 或 HEAD。跨網域和轉址會被拒絕。
files agent 自己的檔案區:下載進來(最多 25 MB)、從這裡上傳到檔案欄位。
screenshot 可見頁面或某個元素的 PNG。不會存檔,可以對個別 client 關掉。
needs_human 把分頁交給你(登入、驗證碼、決定)並等你交還。
learnings 存在本機的網站筆記:API、障礙、陷阱、技巧。筆記只是資訊,不是指令。
status 版本、agent 的分頁和交接、哪些工具有開。
eval 在隔離環境執行 JavaScript 運算式。預設關閉。
run_flow 執行存好的 Kav 流程。有設定 Kav 才會出現。

每個結果的第一行都是 K-Browser 自己的 JSON;頁面來的內容接在後面,包在 <untrusted-page-content> 裡。

  1. tabs 在背景開一個分頁,navigate 載入網站。
  2. snapshot 或 read 看頁面上有什麼。
  3. act 點擊和打字,wait_for 確認成功。
  4. 碰到登入?needs_human 把分頁交給你,你交還後 agent 繼續。