WorkBuddy怎么操作浏览器

用 WorkBuddy 操作浏览器这件事，我一开始以为需要自己配一堆东西，后来发现内置的 Agent Browser 技能装上就能用，一句中文指令就能让它打开网页、滚动、点击、截图、抓数据。中间也踩过几个坑，比如有登录验证的页面需要我手动配合，文件上传要看清楚是往哪个输入框传。下面按我实际操作的顺序，把整个流程和注意点讲一下。

Agent Browser 是 WorkBuddy 内置的浏览器操作技能，安装名是 agent-browser，来源是 SkillHub。装上之后，WorkBuddy 就能直接进入网页并执行浏览器级操作，比如打开页面、滚动、点击、展开内容、截图和读取网页信息。这个技能特别适合那些必须交互之后才能看到内容的页面，比如需要滚动加载的列表、需要点击展开的详情页、需要填表单才能读取结果的页面。安装方式很简单，在技能市场搜索 agent-browser 直接安装就行。装完之后不需要额外配置，默认走的是 Chromium 内核，开箱即用。

Agent Browser 最省事的地方是，你不需要写任何选择器或者脚本，直接用中文描述你想让它做什么就行。指令的结构大致是这样的，先说目标页面，再说要执行的操作，最后说你要的输出形式。比如让它抓一个需要滚动加载的页面，可以这样说，请打开这个网页，完整阅读需要展开和滚动后才能看到的内容，整理成结构化摘要，并为关键页面截图留档。WorkBuddy 会模拟真实浏览行为，按步骤读取页面内容，最终输出结构化总结或整理后的文档结果。再比如做数据采集，可以说，打开某个地址，等待加载完成，整页截图保存到本地，并提取页面顶部的今日订单数文字发给我。它的执行链路是启动本机浏览器、访问地址、等待网络空闲、截取整页、用视觉和语义读取顶部数字、把结果汇总返回。我在实际使用中的一个体会是，指令里把完成标准写清楚，效果会好很多。与其说看看后台，不如说确认登录成功且订单数大于零，否则告警。目标越具体，它执行起来越不容易跑偏。

如果任务涉及上传文件，比如在某个后台系统提交附件，指令里需要明确告诉它上传按钮或上传区域的位置。可以这样说，请识别当前页面中的提交审批按钮、意见填写框和附件上传区，按顺序执行，填写同意，符合规范，点击上传按钮并选择 D 盘路径下的文件。有一个细节需要留意，页面上可能不止一个上传入口，比如头像上传和附件上传是两个不同的区域。如果指令里只说上传文件，它可能会找错地方。最好把上传区域的具体特征描述出来，比如表单最下方的附件上传区，或者带有回形针图标的按钮。

登录和验证码环节是浏览器自动化里最容易卡住的地方。涉及扫码登录、短信验证码、滑块验证这类需要真人操作的环节，WorkBuddy 没法替你完成，你需要自己动手。比较稳妥的做法是让 WorkBuddy 启动一个有界面的浏览器，而不是无头模式。这样你能看到它在页面上的每一步操作，扫码登录的时候直接扫就行。我自己的习惯是，凡是涉及登录授权的任务，都让它用可见的浏览器窗口跑，方便随时监督，出问题也能及时发现。如果登录环节弹出验证窗口打不开，可以检查一下默认浏览器设置。进入系统设置，把 Chrome 设为默认浏览器，再尝试拉起登录验证窗口。或者选择复制链接，自己粘贴到浏览器里完成验证。

Agent Browser 能满足大部分日常操作，但如果你需要更精细的浏览器控制，比如指定用某个浏览器、保持登录态、执行复杂的多步交互，可以通过配置 Playwright MCP 来实现。配置流程不复杂。先确认 WorkBuddy 版本在 5.3 以上，Node.js 版本在 18 以上。然后找到用户目录下的 mcp.json 文件，Windows 路径是 C:\Users\<用户名>\.workbuddy\mcp.json，macOS 和 Linux 是 ~/.workbuddy/mcp.json。注意是 mcp.json，不是带点的 .mcp.json，文件名写错是新手最容易踩的坑。在 mcpServers 字段里加入 Playwright 的配置：

json

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"]
    }
  }
}

如果 mcp.json 里已经有其他服务器，把 playwright 这一段合并进去就行，不要覆盖原有配置。保存之后回到 WorkBuddy，进入连接器管理页面，找到 playwright 服务器，点击信任，然后新开一个会话，MCP 工具就会被注入。配置成功之后，你可以在对话里问，你有哪些 MCP 工具，如果它能列出 browser_navigate、browser_click、browser_snapshot 这些工具名，就说明 Playwright 已经打通了。

有几个容易踩的坑需要留意。Node.js 版本过低是第一个坑，Playwright MCP 依赖 Node 18 以上，版本不够的话 npx 会直接报语法错误，装之前先在终端跑一下 node -v 确认版本。首次加载慢是正常现象，npx 第一次运行会下载 Playwright 包，等一会儿就好，不要以为卡死了就强退。配置文件写错路径是最隐蔽的坑，Windows 上正确路径是 C:\Users\<用户名>\.workbuddy\mcp.json，macOS 和 Linux 是 ~/.workbuddy/mcp.json，我第一次把文件名写成了 .mcp.json，排查了半小时才发现问题。已有配置被覆盖是第三个坑，如果你的 mcp.json 里已经配置了文件系统或其他 MCP 服务器，添加 Playwright 的时候要合并而不是替换，否则之前的工具会全部失效。

日常的网页抓取、截图、表单填写，用 Agent Browser 就够了，说一句中文指令就能跑。涉及登录验证的任务，让它用可见的浏览器窗口，你配合扫码。需要更精细控制或者固定登录态的场景，再上 Playwright MCP。我实机跑下来，Agent Browser 覆盖了八成以上的日常需求，MCP 留给那些需要反复执行、对稳定性要求更高的任务。把这几个工具和指令的用法理清楚，操作浏览器这件事就没什么门槛了。