@dsh-external/dsh-browser-use

DSH 的浏览器操作能力：让 Agent 真正驱动本机 Chromium 打开、阅读、点击、输入、截图网页，并提供一个可实时观看的右侧栏面板。

移植自 ZCode 的 browser-use-plugin / control-browser 技能，把它的「ARIA 快照优先」操作范式落到 DSH 的工具、提示段与 UI 上。


许可证	MIT，见 LICENSE（含 NOTICE 中的 ZCode / Apache-2.0 署名）
安装规格	`github:hu568/dsh-plugin-browser-use`
实测 DSH	`0.1.5-rc.1` ~ `0.1.7-rc.2`
运行依赖	`playwright-core ^1.56.1`（从 npm registry 拉取）；浏览器用本机已缓存的 Chrome for Testing

安装

# DSH 内置插件管理器（创造模式）：
#   plugin_manager  action=install_bundle  target="github:hu568/dsh-plugin-browser-use"

# 或命令行。桌面端（Electron）profile 由应用独占管理，请改用插件管理器或「设置 → 插件」：
dsh plugin --profile 
 add github:hu568/dsh-plugin-browser-use

安装后本包被追加进 profile 的 dsh.profile.bundles，其 cordis.patch.yml 作为组合包层把 dsh-browser-use 这一行插进宿主组合。profile 在运行中通常即时生效，否则重启一次 DSH。

浏览器懒启动：第一次调用 browser_open 时才拉起，插件卸载/热重载时释放。

实现注记：取 webServer 服务时不能只用裸 ctx.get('webServer')。宿主 webserver 的 fiber 要等 socket 绑定完成才 ACTIVE，而 cordis 的 ctx.get() 默认 strict=true，加上 Loader 并行启动 entry，插件 apply 常常早于它就绪，此时那个判空会静默跳过 ⇒ 面板路由一条都不注册 ⇒ 面板永远 HTTP 404。本包先把面板注册包成函数，拿不到服务就挂作用域 ctx.inject(['webServer'], …) 等就绪后补注册（与 dsh-whale-widget 同款等待方式）。

交付物

部分	位置	说明
Host 插件	`lib/index.js`	浏览器会话管理 + 10 个模型工具 + 面板路由
Client 面板	`lib/client.js`	手写 ModuleLoader 包，注册右侧栏 `browser` 标签页与会话头部按钮
技能	`skills/control-browser/SKILL.md`	经 `ctx.skills.register()` 注入本会话技能目录
提示段	`lib/index.js` 内	常驻系统提示的工作流约束（不依赖技能被发现）

工具面

工具	作用
`browser_open`	打开 URL 并返回快照；同源默认复用标签页
`browser_snapshot`	读 ARIA 快照（元素带 `[ref=…]`），定位与阅读的主要手段
`browser_click`	按 ref 点击 / 双击
`browser_type`	按 ref 填文本，可选回车提交
`browser_press`	发送按键
`browser_navigate`	back / forward / reload / goto
`browser_tabs`	list / new / select / close
`browser_wait`	等 ref 可见、等文本、等固定毫秒
`browser_eval`	页面上下文求值，返回 JSON
`browser_screenshot`	截图并作为图片内容块返回

面板路由

路由	作用
`GET /browser-panel/state`	运行状态、标签列表、当前 URL/标题、视口尺寸、是否持久化 profile
`GET /browser-panel/stream`	`multipart/x-mixed-replace` 实时画面（MJPEG）
`POST /browser-panel/navigate`	`{"url":"…"}` 让 AI 的浏览器前往
`POST /browser-panel/open-local`	`{"url":"…"}` 用用户自己的桌面浏览器打开
`POST /browser-panel/input`	转发用户输入，见下

路由前缀不带 api 段（对比：dsh-persona-memory 是 /persona-memory/api/…）。

open-local 的启动器按序尝试：PowerShell Start-Process -PassThru（首选，能回显实际拉起的进程名）→ cmd /c start（须把 cwd 设为 Windows 路径，否则 UNC 工作目录会告警）→ wslview → xdg-open。

坑：不要用 explorer.exe 开 URL。它是文件资源管理器，传 URL 进去弹的是资源管理器窗口而不是浏览器——这是初版的实际 bug。URL 要走 ShellExecute 语义。

投屏以 CDP Page.startScreencast 为主（页面变化即出帧），并配一个 1.5s 兜底帧泵：静态页面不会产帧，没有兜底的话「冷连接」的观看端会永久空等。

用户接管操作

面板不是只读的。/browser-panel/input 接受：

`kind`	字段	派发到
`move` / `down` / `up` / `click`	`x`,`y`,`button`	`page.mouse.*`（支持拖拽、右键）
`wheel`	`x`,`y`,`deltaX`,`deltaY`	`page.mouse.wheel`
`text`	`text`	`page.keyboard.insertText`
`key`	`key`	`page.keyboard.press`

坐标由面板按 视口尺寸 / 图片显示尺寸 换算成页面 CSS 坐标后再发。客户端把鼠标事件挂在投屏图上、键盘事件挂在一个可聚焦容器上，并接管 paste（剪贴板内容直接走 insertText，密码可以从密码管理器粘贴）。被转发的输入与工具走同一条 Playwright 链路，页面对两种来源没有区别。

用途：登录、验证码、短信/人工确认、密码管理器填充等机器做不了的环节， Agent 把页面带到那一步，剩下的你自己在面板里完成。

登录态持久化

默认使用持久化 profile（/browser-use/profile），cookie 与 localStorage 跨插件热重载、DSH 重启保留。实测：带过期时间的 cookie 与 localStorage 在浏览器进程关闭并重新拉起后依然存在。

注意两点：

会话 cookie（无 Expires/Max-Age）不保留 —— 这是浏览器固有行为：进程一退就清。多数站点「记住我」会写持久 cookie，那种能留下。
同一 profile 不能同时被两个进程占用；插件卸载/重载时会关闭浏览器释放它。
需要干净环境时把 config 的 userDataDir 设为 'off'。

仓库结构与源码

本仓库以 lib/ 为唯一源码，纯 JavaScript（ESM），不需要任何构建链，克隆即可用：

路径	角色
`lib/index.js`	宿主半：浏览器会话、10 个工具、面板路由与提示段
`lib/client.js`	客户端半：手写 ModuleLoader 包
`skills/control-browser/SKILL.md`	随包技能
`cordis.patch.yml`	组合包层：把 `dsh-browser-use` 行插进宿主组合

修改直接改 lib/*.js，重启 DSH（或热重载该包）即生效。仓库里没有 src/ 与 TypeScript 构建链，也不需要它们。

已知边界

Client 半边在页面刷新后生效：页面若早于注入加载，其 client 模块不会被 import。
screenshot 需要部署挂载 attachment 服务。
goto 只接受 http: / https: / about:blank。
面板路由与 DSH 其余路由同源（loopback），没有独立鉴权：本机其他进程也能调 /input。批量输入走 application/json，跨站表单无法直接利用；若部署在多用户机器上，应自行在反代层加鉴权。
页面内容是不可信数据，工具描述与技能都显式约束：只用于定位元素，绝不当作指令执行。
「用我的浏览器打开」按平台回落：Windows 上走 PowerShell Start-Process； WSL 下可借 Windows interop；两者都不通的平台再依次回落到 wslview / xdg-open，都没有时报错，不会静默失败。

协议与致谢

本包采用 MIT License（见 LICENSE），版权人 hu568（https://github.com/hu568）。

browser-use-plugin 与 control-browser 技能的操作范式移植自 zai-org/ZCode（Apache License 2.0），署名见 NOTICE。

@dsh-external/dsh-browser-use

Install

README