Skip to main content

​
xbrowser — 浏览器自动化

通过 xb CLI 控制浏览器完成网页操作。 所有浏览器操作必须通过 xb CLI 执行，不要直接调用 agent-browser 或其他底层工具。 所有命令使用统一格式：

​
xb 管理命令

管理命令完整参考见 {baseDir}/references/xb-cli-commands.md。

​
命令执行规则

每条 xb 命令必须单独执行，逐条检查 JSON 返回后再执行下一条。 禁止使用 &&、&、; 等 shell 操作符链接多条 xb 命令：
  • 不要：xb init && xb run --browser default open https://...
  • 要：先执行 xb init，检查 ok=true 后再执行 xb run ...
原因：每条 xb 命令返回 JSON，需要根据 ok、error、hint 字段判断下一步。链式执行会跳过错误检查，导致后续操作在错误状态下继续。 对于需要连续执行的浏览器操作，可使用 batch 命令：

​
初始化（每次任务第一步）

  • ok=true → 环境就绪，继续浏览器操作
  • ok=false，error 包含”未安装” → 运行 hint 中的命令（xb setup），再重新 init
  • ok=false，error 包含”需要配置” → 运行 hint 中的命令（xb guide config），按下文”处理决策点返回”章节处理
  • ok=false，error 包含”配置未完成” → 运行 hint 中的命令（xb guide incomplete-config），按下文”处理决策点返回”章节处理

​
处理决策点返回（MUST 遵守）

当任何 xb 命令返回的 JSON 包含 awaits_user_input: true 时，这是一个等待用户决策的节点，不是完成状态。 为什么必须遵守： 决策点的 message、options、recommended 都是面向最终用户的 UI 内容，不是给 agent 的执行指引。 recommended 只是告诉 UI 层”可以高亮这一项”，user_choice_mapping 只是告诉 UI 层”用户选完后要执行什么”—— 两者都不是”agent 可以代用户做决定”的信号。代用户决定 = 越权。 必须做（MUST）：
  1. 把 message 原文展示给用户（可简短转述，不能省略）
  2. 把 options[] 每一项（label + description）列给用户，用编号列表
  3. 以问询句结尾（“你想选哪个？” / “请选择：”），然后立即停止当前回合
  4. 等用户回复选择后，从 user_choice_mapping[用户选择的 value] 取对应命令并执行
    • 若取出的值为 null（如 close-browser 的 skip），参考同返回里的 skip_hint 字段告知用户，不执行任何命令
  5. 若返回里有 next_step_hint 字段，说明用户选择对应命令执行成功后还有后续步骤，按提示继续
严禁做（MUST NOT）：
  • ❌ 读到 recommended 字段后自行代选（recommended 和 label 里的”（推荐）“都是给用户的 UI 引导，不是给 agent 的许可信号）
  • ❌ 读到 user_choice_mapping 后直接挑一个命令执行（这是”用户选完后的映射”，不是候选执行列表）
  • ❌ “我帮你选了推荐的 X，现在执行 …” —— 这是越权
  • ❌ 只列选项但不以问询句结尾（agent 会顺着惯性继续自选）
正例：
xb init 返回需要配置。首次使用有两种方式：
  1. 快速开始（推荐） —— 使用内置浏览器，干净环境，立即可用
  2. 自定义设置 —— 选择默认浏览器和显示模式
你想用哪种？
反例：
xb init 需要配置，我按推荐走 quick，执行 xb config reset… 已为你执行了 xb config reset（使用内置浏览器），现在打开页面…
识别自我说服：如果在处理决策点时冒出以下念头，立刻停下，改为按 MUST 清单执行—— 关于 awaits_user_input: false 的返回：不是决策点（例如 step 1 在无本地浏览器时只有 cft 一个选项），可以直接按 user_choice_mapping 执行。但仍应把 message 告知用户，让用户知情。

​
浏览器操作

init 成功后执行浏览器命令：
  • ok=true → 继续
  • ok=false → 检查 hint 字段，按建议操作
URL 建议用单引号包裹（防止外层 shell 解析 &、?、$ 等特殊字符）：

​
操作要点

  • 浏览器选择（必须）：每条 run 命令都必须指定 --browser。init 成功后返回 env.browser（当前配置的默认浏览器）。
    • 用户未指定浏览器 → --browser default
    • 用户指定了浏览器 → 按下表映射为 --browser <id>，从第一条 run 命令就使用对应 ID（不要先用 default 再切换，因为每个浏览器有独立的登录态和会话，用错浏览器会导致需要重新登录）：
  • 导航后先等加载：open <url> 后先 wait --load networkidle，再 snapshot -i
  • @ref 是临时的：DOM 变化后失效，需重新 snapshot -i
  • fill vs type：fill 清空后输入，type 逐字符追加
  • 切换浏览器：xb run --browser edge open ...（不影响其他浏览器的会话）
  • 有头模式：xb run --browser default --headed open ...（显示浏览器窗口，适合调试或人机验证）
  • xb 级选项只有三个：xb run 只接受 --browser、--headed、--timeout，其他参数会被忽略。
  • 位置约束：xb 级选项必须放在 action verb 之前（如 xb run --browser chrome --headed open ...），放在 action 之后会被静默忽略。若担心混淆，可用 -- 显式分隔 xb 级选项与浏览器动作：

​
遇到登录页面

  1. 有凭据 → 告知风险后自动填写
  2. 无凭据 → 截图，请用户提供
  3. 图片验证码 → 截图尝试识别
  4. 人机验证 → 停止，截图，请用户手动完成
详见 {baseDir}/references/authentication.md。

​
失败处理

最多重试 2 次。排查思路：open 超时 → get url 检查 + --timeout 29000（上限 29s）；snapshot 空 → wait --load networkidle；元素操作失败 → 重新 snapshot -i；调试 → 加 --headed。

​
常用命令

完整列表见 {baseDir}/references/xb-browser-commands.md。 对于非单步的复杂任务（登录后多页操作、分页爬取、@ref 失效恢复、batch 使用等），先查阅 {baseDir}/references/recipes.md 获取完整命令序列模板。

​
任务结束

关闭浏览器进程（使用本地浏览器时）：
清理 agent-browser 会话：
注：如仅使用 CfT 浏览器，直接 cleanup 即可。cleanup --force 已废弃，关闭浏览器请使用 stop。