浏览器自动化

⚠️ 注意：浏览器工具是扩展工具（非内核工具），默认关闭。 需要显式启用 browser feature 才能使用。

启用方式

# cargo add
cargo add phi-agent --features browser

# 或配置 Cargo.toml
[dependencies]
phi-agent = { version = "0.9", features = ["browser"] }

# 命令行编译
cargo run --features browser

---

phi-agent 提供可选的浏览器自动化能力，基于 Chrome DevTools Protocol (CDP)。21 个工具覆盖导航、交互、内容提取和标签页管理 — 全部由 browser Cargo feature 控制。

快速开始

# 编译并启用浏览器功能
cargo run --features browser -- --enable-browser "上网查今天天气"

# Headed 模式（可见浏览器窗口，便于调试）
cargo run --features browser -- --enable-browser --headed "浏览 example.com"

# 连接已有的 Chrome 实例
# 首先启动 Chrome 并开启远程调试：
#   /Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome --remote-debugging-port=9222
cargo run --features browser -- --connect-ws ws://localhost:9222 "在当前页面查找..."

工作原理

1. --enable-browser 启动无头 Chrome 实例（或通过 --connect-ws 连接已有实例）
2. browser_navigate 打开网页并返回 ARIA 无障碍快照，可交互元素带有数字索引
3. Agent 通过索引点击元素（如 browser_click index=5），无需编写脆弱的 CSS 选择器
4. browser_screenshot 截取页面截图；browser_get_markdown 提取可读内容

工具分类

类别	工具
导航	browser_navigate, browser_go_back, browser_go_forward, browser_wait
交互	browser_click, browser_hover, browser_input_fill, browser_select, browser_press_key, browser_scroll
查看	browser_snapshot, browser_screenshot, browser_get_markdown, browser_read_links, browser_evaluate
标签页管理	browser_new_tab, browser_tab_list, browser_switch_tab, browser_close_tab
控制	browser_close, browser_extract_content

环境要求

• 需安装 Chrome 或 Chromium
• 编译需带 cargo run --features browser（browser feature 控制 headless_chrome 等重量级依赖）

Feature Gate

浏览器工具按需引入。不启用 browser feature 时，不会编译任何浏览器相关代码：

[dependencies]
phi-agent = { version = "0.9", features = ["browser"] }