核心用法
qqbrowser-skill 是腾讯官方推出的浏览器自动化 CLI 工具，专为 AI Agent 设计，提供完整的 Web 页面交互能力。其工作流程遵循导航 → 快照 → 交互 → 重快照的标准模式：
1. 导航：使用 browser_go_to_url 访问目标页面
2. 快照：通过 browser_snapshot 获取带索引的元素引用
3. 交互：基于元素索引执行点击、输入、选择等操作
4. 重快照：页面变化后必须重新获取快照以确保索引有效
主要功能模块
| 模块 | 核心命令 | 说明 |
|------|---------|------|
| 导航控制 | `browser_go_to_url`, `browser_go_back`, `browser_wait` | URL 访问与页面等待 |
| 快照与截图 | `browser_snapshot`, `browser_screenshot`, `browser_markdownify` | 支持带标注截图和 Markdown 转换 |
| 元素交互 | `browser_click_element`, `browser_input_text`, `browser_focus_element` | 基于索引的精确操作 |
| 滚动控制 | `browser_scroll_down/up`, `browser_scroll_to_text`, `browser_scroll_into_view` | 多种滚动策略 |
| 键盘操作 | `browser_keypress`, `browser_keyboard_op` | 支持组合键和文本插入 |
| 表单控件 | `browser_select_dropdown_option`, `browser_check_op` | 下拉框和复选框处理 |
| 信息提取 | `browser_get_info`, `browser_check_state` | 获取元素属性、状态检查 |
| 语义定位 | `browser_find_and_act` | 通过 role/text/label/testid 等语义属性定位元素 |
| 标签管理 | `browser_tab_open/switch/close` | 多标签页操作 |
| 对话框处理 | `browser_dialog` | 弹窗确认、取消和输入 |
显著优点
- 官方背书：腾讯官方维护，Chromium 二进制通过官方渠道分发并校验哈希
- 完整工作流：从导航到任务完成标记（
browser_done）的闭环设计 - 双模式定位：同时支持索引定位（高效）和语义定位（
find_and_act，易维护） - 丰富输出格式：支持截图（
.webp）、Markdown、HTML 等多种内容提取方式 - 临时目录隔离：文件操作限制在系统临时目录，降低安全风险
潜在缺点与局限性
| 局限 | 说明 |
|------|------|
| **平台限制** | 不支持 macOS 及 ARM 架构 Linux |
| **索引易失性** | 页面变化后元素索引失效，必须频繁重快照，增加 token 消耗 |
| **网络依赖** | 首次使用需下载 Chromium，依赖腾讯官方渠道可用性 |
| **无持久化状态** | 会话结束后标签页、登录状态等不保留 |
| **权限范围** | 需网络访问和文件系统读写权限，虽限制临时目录但仍属敏感权限 |
适合人群
- AI Agent 开发者：需要为 Agent 集成浏览器自动化能力的开发者
- 自动化测试工程师：构建 Web 端到端测试流水线
- 数据采集团队：需要程序化提取网页内容的场景
- RPA 场景：重复性网页操作流程自动化
常规风险
1. 权限风险：网络访问可能被滥用访问恶意站点；文件写入虽限制临时目录但仍需关注
2. 供应链风险：Chromium 二进制从腾讯渠道下载，需信任分发链完整性
3. 页面动态性：依赖索引的方案在复杂动态页面（SPA、频繁 AJAX）上稳定性下降
4. Token 成本：频繁快照建议与实际操作权衡，避免不必要的 browser_snapshot 调用