Screen Monitor

核心用法

Screen Monitor 提供两种互补的屏幕交互模式：

🟢 快速分享模式（WebRTC）

• 生成本地WebRTC门户URL，无需安装浏览器扩展
• 适合快速视觉检查、受限浏览器环境或非技术场景
• 通过 screen_share_link 获取链接，screen_analyze 捕获当前帧并调用视觉模型分析

🔵 完全控制模式（Browser Relay）

• 需安装Clawdbot浏览器扩展并附加到Chrome标签页
• 支持精确截图（browser action:snapshot）、点击/输入等UI自动化操作
• 适合深度调试、复杂网页交互场景

显著优点

• 模型无关性：兼容Gemini、Claude、Qwen3-VL等主流视觉模型
• 双模式灵活：轻量快速分享 vs 深度控制，覆盖不同使用场景
• 本地优先：WebRTC后端运行在本地端口18795，减少数据外泄风险

潜在局限

• Browser Relay模式依赖Chrome扩展，配置步骤较多
• WebRTC模式在复杂网络环境（如企业防火墙）下可能连接受限
• 未明确提及录屏存储加密、访问鉴权机制

适合人群

前端开发者、UI/UX设计师、远程协作团队、需要AI辅助屏幕分析的技术用户

常规风险

• 屏幕内容可能包含敏感信息，分享时需确认可见范围
• WebRTC信令服务若配置不当，存在端口暴露风险
• 浏览器扩展需从非商店渠道加载（unpacked），存在供应链信任问题

核心用法

screen-monitor 提供双模式屏幕交互能力：

🟢 快速共享模式（Path A）

• 通过 screen_share_link 生成本地 WebRTC 门户，浏览器访问即可实时投屏
• 配合 screen_analyze 捕获当前帧进行视觉分析
• 适合临时调试、受限环境或快速视觉验证

🔵 深度控制模式（Path B）

• 安装浏览器扩展后实现标签页级精准控制
• 支持 snapshot 高精度截图、click 元素交互、type 输入模拟
• 适合自动化测试、复杂UI调试、表单操作

---

显著优点

| 维度 | 表现 |

|------|------|

| **隐私安全** | 纯本地运行，屏幕数据仅存储于 `/tmp`，零网络外泄 |

| **零依赖** | 无第三方npm/pip包，仅依赖系统预装工具 |

| **双模式设计** | 轻量快速 vs 深度控制，覆盖全场景需求 |

| **模型通用** | 支持 Gemini/Claude/Qwen3-VL 等任意 vision 模型 |

| **代码透明** | 开源可审计，416行代码结构清晰 |

---

潜在局限

1. 来源可信度T3：作者为个人开发者(emasoudy)，GitHub账号2026-01新建，社区验证有限
2. 浏览器扩展门槛：Path B需手动加载未打包扩展，对非技术用户不够友好
3. 本地端口暴露：18795端口需确保防火墙限制为本地访问
4. 无持久化加密：本地截图文件未加密存储，多用户环境需注意权限
5. 新仓库风险：stars/forks为0，长期维护稳定性待观察

---

适合人群

• ✅ 需要隐私优先的屏幕共享（拒绝云服务）
• ✅ AI辅助调试、UI自动化测试开发者
• ✅ 受限网络环境下的远程协作
• ⚠️ 不适合：追求一键即用的普通用户，或需要企业级SLA保障的场景

---

常规风险

| 风险项 | 等级 | 说明 |

|--------|------|------|

| 数据外泄 | 极低 | 无远程API调用，fetch仅指向localhost |

| 供应链攻击 | 极低 | 零第三方依赖 |

| 代码注入 | 低 | 无eval/exec危险函数，输入经shell转义 |

| 本地权限提升 | 低 | 需关注/tmp目录文件权限配置 |

| 作者可信度 | 中 | T3来源建议持续关注仓库动态 |