跳到主要内容

浏览器自动化

启用浏览器能力后，Agent 可以打开网页、点击、输入、滚动、截图，并检查页面控制台、网络和页面错误。

AgentDock 支持 Google Chrome、Chromium 和 Microsoft Edge。浏览器自动化使用由 AgentDock 管理的独立会话，与日常浏览器 Profile 分开。

开始前​

macOS 图形应用​

  1. 安装 Google Chrome、Chromium 或 Microsoft Edge。
  2. 完成 macOS 安装。
  3. 打开“高级设置”。
  4. 勾选“启用浏览器工具”。
  5. 点击“应用并重启”。

应用会在保存前检查本机是否已经安装受支持的浏览器；AgentDock 不会替你下载浏览器。

Windows 图形应用​

先安装 Chrome、Chromium 或 Microsoft Edge，再在 AgentDock 控制面板中启用浏览器工具并保存配置。AgentDock 会自动检测已经安装的受支持浏览器。

Linux 或其他原生部署​

在宿主机安装 Chrome、Chromium 或 Microsoft Edge，然后通过 AGENTDOCK_BROWSER_ENABLED=true 或 --browser-enabled 启用浏览器工具。自动检测不到浏览器时，可以用 AGENTDOCK_BROWSER_EXECUTABLE_PATH 指定浏览器可执行文件的绝对路径。

Docker​

如果希望容器直接包含 Chromium，使用 browser 镜像：

  1. 完成 Docker 安装。
  2. 按 Docker 进阶配置 启动 browser 镜像。
  3. 连接客户端后，确认 Agent 可以看到 browser_* 工具。

直接提出任务​

直接描述任务即可：

打开这个页面，检查是否能正常加载，并告诉我有没有控制台或网络错误。
登录后搜索指定内容，但提交表单前先让我确认。
把最终页面截图给我看。

Agent 应先观察页面，再执行动作，最后重新检查页面状态。

登录态与 Profile​

需要保持登录时，使用 AgentDock 自己的浏览器 Profile。指定 profile_id 后，Profile 会保存在 AgentDock 的浏览器数据目录中，后续会话可以继续复用登录态。

不要把 AgentDock 指向日常浏览器主 Profile。浏览器工具使用 AgentDock 管理的独立会话，不会接管已经打开的个人浏览器。

首次登录仍可能需要你手动完成验证码、扫码或安全确认。不要让 Agent 在聊天或日志中回显密码、Cookie 或 Authorization Header。

安全边界​

  • 上传文件、发送消息、提交表单、删除内容和授权前要确认目标与副作用。
  • 使用 AgentDock 专用 Profile，不要复用日常浏览器主 Profile。
  • 只给自动化访问任务需要的网站和文件。
  • 不再需要登录态时，及时清理持久 Profile。

浏览器工具边界见 工具介绍，宿主机配置见 配置参考。