浏览器自动化 MashedPotato817/dsh-tool-browser

dsh-tool-browser

npm version
npm downloads
License

给 DeepSeek Harness（DSH）的原生浏览器自动化工具插件，由 Playwright 驱动。
默认直接使用本机安装的 Microsoft Edge（channel: "msedge"，无需下载浏览器）， Edge 缺失时自动回退到 Playwright 自带的 Chromium。

能力

面向模型的只读/交互工具（全部注册进 DSH 的 ctx.tools）：

| 工具 | 作用 |
| browser_navigate | 打开 URL，返回标题与最终地址 |
| browser_snapshot | 返回页面可见文本（body innerText，限长） |
| browser_click | 按 CSS 选择器点击元素 |
| browser_type | 按 CSS 选择器向输入框填入文本 |
| browser_press_key | 按键盘键（Enter / Escape 等） |
| browser_evaluate | 在页面执行 JS 表达式并返回 JSON 结果 |
| browser_take_screenshot | 截图保存为 PNG，返回文件路径 |
| browser_console_messages | 返回页面控制台消息 |
| browser_wait_for | 等待固定毫秒数 |
| browser_back | 返回上一页 |
| browser_fill_form | 一次填多个表单字段 |
| browser_select_option | 下拉框选择选项 |
| browser_hover | 悬停元素 |
| browser_drag | 拖拽（源元素 → 目标元素） |
| browser_resize | 调整视口尺寸 |
| browser_open_tab | 新开标签页（可带 URL） |
| browser_tabs | 列出所有标签页 |
| browser_switch_tab | 切换到指定标签页 |
| browser_close_tab | 关闭当前标签页 |

设计要点：

- 共享页面：插件实例维护一个浏览器 + 一个页面，会话内浏览状态连续；工具默认互斥（非并发安全），避免相互干扰。
- 限制：使用该插件的所有会话共享同一个页面，跨会话会互相影响；需要隔离时请用独立 profile 实例。
- 中止安全：每个工具转发 exec.signal，超时/中止策略不会挂死 agent 回合。
- 结果结构化：全部返回 { text }，快照/求值结果限长，控制 KV cache 影响。

安装

已发布到 npm，一条命令安装（推荐，自动拉取 registry 最新版）：

dsh plugin --profile add dsh-tool-browser

GitHub / 本地开发备选：

dsh plugin --profile add https://github.com/MashedPotato817/dsh-tool-browser.git
或本地：dsh plugin --profile add /path/to/dsh-tool-browser

在 profile 的 cordis.patch.yml 里启用：

- insert:
- id: dsh-tool-browser
name: dsh-tool-browser
config: # 可选，下列为默认值 channel: msedge # 浏览器 channel headless: true
allowedHosts: [] # 空 = 允许全部 host

快速开始

三步即可在 DeepSeek Harness（DSH）里获得浏览器自动化能力：

1. 安装插件
dsh plugin --profile add dsh-tool-browser

2. 在 cordis.patch.yml 里 insert 启用（见上）

3. 启动 DSH 后，模型会自动拥有 browser_* 工具，直接在对话里让 agent 操作浏览器：「打开 https://example.com 并截图」

调用示例

安装并启用后，这些工具会注册进 DSH 的 ctx.tools，agent 无需额外 import 即可直接调用：

// 在 DSH 插件 / 对话中，模型按工具名直接调用，无需手工引用 await ctx.tools.browser_navigate({ url: "https://example.com" }); await ctx.tools.browser_snapshot({}); await ctx.tools.browser_click({ target: "button#submit" }); await ctx.tools.browser_evaluate({ script: "document.title" }); await ctx.tools.browser_take_screenshot({});

工具名与 DSH 内置 browser_ 能力一一对应，完整清单见上文「能力」表。

配置

| 键 | 默认值 | 含义 |
| channel | msedge | Playwright 浏览器 channel（msedge / chrome / 缺省=自带 Chromium） |
| allowedHosts | [] | 允许访问的 host 白名单（空=全部允许，=全部，如 example.com）；data:/about: 始终允许 |
| headless | true | 无头模式（调试可设 false） |
| outputDir | 系统临时目录 | 截图输出目录 |
| timeoutMs | 60000 | 工具调用总超时 |
| navigationTimeoutMs | 60000 | 页面导航超时 |
| actionTimeoutMs | 10000 | 单次动作（点击/输入）超时 |
| snapshotMaxChars | 12000 | snapshot 文本上限 |
| evaluateMaxChars | 4000 | evaluate 结果上限 |
| viewportWidth/Height | 1280x720 | 视口尺寸 |

开发

npm install
npm run check # 语法校验
npm test # smoke + 真实浏览器集成测试（本机 Edge；CI 用自带 Chromium）

License

MIT