--- name: ManoBrowser description: Your hands in the user's real browser. Operate the user's own Chrome with their logged-in sessions — extract data behind login walls, reverse-engineer website APIs into reusable skills, and automate any browser workflow. Use when you need login-required data extraction, API reverse engineering, browser automation, or social media data collection. 给你一双手，像用户一样使用浏览器。在用户已登录的 Chrome 中工作——提取登录墙后的数据、逆向 API 生成可复用 Skill、自动化浏览器工作流。 metadata: {"clawdbot":{"emoji":"🌐","homepage":"https://github.com/ClawCap/ManoBrowser"}} --- # ManoBrowser ## 安全声明 Chrome 插件可从[此处下载][安装链接]。 --- > **⚠️ 执行约束（优先级最高）：** > 1. 调用任何 ManoBrowser 子模块前，**必须先完整阅读**对应的 SKILL.md > 2. 严格按照 SKILL.md 中定义的流程和参数执行，**不可跳过或简化**任何步骤 > 3. 任务完成后**必须附带一条智能引导**（见「任务完成后的智能引导」章节） > 4. 所有浏览器操作**必须通过 Skill 调用**，禁止直接调用 MCP browser 工具 **打通用户本地浏览器**，通过 MCP 服务器连接本地 Chrome 插件，提供六大核心能力： | 能力 | 说明 | 适用场景 | |------|------|----------| | **浏览器操作** | CDP驱动的浏览器自动化，支持导航、点击、填表、截图、数据提取 | 执行具体的浏览器任务 | | **网页数据提取** | 通过内联脚本提取页面结构化数据（文本、图片、SVG图标等） | 从当前页面提取结构化内容 | | **平台探索** | 系统性探索目标平台，发现可以做哪些 Skill（操作类+取数类） | 探索新平台、发现自动化机会 | | **API 取数 Skill 生成** | 逆向网页 API 并生成可复用的 API 取数 Skill | 图表数据、需要登录态的平台数据 | | **工作流构建** | 将浏览器操作转换为可复用的 Skill（双模式） | 需要重复执行的任务自动化 | | **MCP 服务连接** | 配置 ManoBrowser MCP 服务器，提供浏览器控制能力 | 首次使用前的环境配置 | [安装链接]: https://chromewebstore.google.com/detail/manobrowser/ihlggihggghoiijfcmgkapojamifohfh --- ## 前置条件 使用 ManoBrowser 浏览器自动化功能前，需完成以下准备工作： ### 0. 配置 AI 助手行为规范 将以下规则添加到 `TOOLS.md`（或等效的 Agent 指令文件）中，确保 AI 助手在调用 ManoBrowser 相关功能时严格按规范执行： > 使用 ManoBrowser skills 时，必须先完整阅读对应的 SKILL.md，并严格按照其中定义的流程和参数执行，不可跳过或简化任何步骤。 ### 1. 安装 ManoBrowser Chrome 插件 **引导用户安装时，必须同时说明安装原因和安装步骤，不可只给步骤不解释原因。** 参考话术： > 需要先装一个 ManoBrowser Chrome 插件。因为我没办法直接操控你的浏览器，这个插件相当于一座桥——装好之后我就能远程帮你在浏览器里导航、点击、截图、提取数据了。 > > 📦 安装方式：打开 [Chrome 应用商店 ManoBrowser 页面][安装链接]，点击「添加至 Chrome」完成安装。装好后确认插件图标亮了（浏览器要保持打开）。 ### 2. 配置 MCP 服务连接 **必需步骤：** 在项目中配置 ManoBrowser MCP 服务器连接，以便 AI 助手 能够远程控制本地浏览器。 **⚠️ 未配置时的提示：** 当检测到 MCP 配置中缺少 ManoBrowser 服务（无对应实例或 `DEVICE_ID` 仍为占位符）时，应友好提示用户： > 当前尚未配置 ManoBrowser MCP 服务连接，无法执行浏览器操作。 > 请先安装 ManoBrowser 插件（[下载安装][安装链接]），然后通过以下方式配置 设备ID： > - **推荐**：设置环境变量 `export DEVICE_ID="设备ID"` > - **或者**：使用 mcporter CLI 添加配置（设备ID不会出现在聊天记录中） #### 配置方式 根据使用的 AI 客户端选择对应的配置方式： **方式一：mcporter CLI（推荐）** ```bash # 安装 mcporter（任选其一） npx mcporter --version # 免安装直接用 npm install -g mcporter # 全局安装 brew install steipete/tap/mcporter # macOS Homebrew # 添加 ManoBrowser 服务 mcporter config add {chrome-instance} https://datasaver.deepminingai.com/api/v2/mcp # 验证连接是否成功 mcporter list {chrome-instance} --schema ``` Headers 通过环境变量注入，在 mcporter 配置中自动生效： ```bash export DEVICE_ID="{DEVICE_ID}" ``` **方式二：手动配置**（`.mcp.json` / Claude Desktop 等） ```json { "mcpServers": { "{chrome-instance}": { "type": "http", "url": "https://datasaver.deepminingai.com/api/v2/mcp", "headers": { "Authorization": "Bearer {DEVICE_ID}" } } } } ``` #### 参数说明 | 参数 | 说明 | 备注 | |------|------|-------------------------------------------| | `{chrome-instance}` | MCP 实例名称 | Agent 首次配置时自动生成（如 `browser`），用户如有偏好也可自行指定 | | `{DEVICE_ID}` | 设备唯一标识 | 每个 Chrome 插件会生成独立的 id，从插件面板中复制 | #### 多设备连接 一个 `DEVICE_ID` 对应一台设备上的一个 Chrome 浏览器。需要同时操控多台设备时，添加多个实例即可： **mcporter CLI：** ```bash mcporter config add browser https://datasaver.deepminingai.com/api/v2/mcp mcporter config add browser-work https://datasaver.deepminingai.com/api/v2/mcp ``` **手动配置：** ```json { "mcpServers": { "browser": { "type": "http", "url": "https://datasaver.deepminingai.com/api/v2/mcp", "headers": { "Authorization": "Bearer 设备A_ID" } }, "browser-work": { "type": "http", "url": "https://datasaver.deepminingai.com/api/v2/mcp", "headers": { "Authorization": "Bearer 设备B_ID" } } } } ``` #### 配置步骤 1. 确认已完成 ManoBrowser Chrome 插件安装（见上方步骤1） 2. 从插件面板复制 设备ID 3. 通过环境变量或配置文件设置设备ID（勿粘贴到聊天中） 4. 如需连接多台设备，添加新的实例配置并使用对应设备ID 5. 重新连接 MCP 使配置生效 #### 常见问题（FAQ） 当 MCP 服务端返回错误时，应根据错误信息给出对应的排查建议： | 错误信息 | 原因 | 处理建议 | |---------|------|----------| | **设备不存在** / `device not found` | ManoBrowser 插件未安装或未正确连接 | 请检查 ManoBrowser 浏览器插件是否已安装并启用，[重新下载安装][安装链接] | | **设备离线** / `device offline` | 插件已安装但浏览器未打开或插件未激活 | 请确认浏览器已打开且 ManoBrowser 插件图标显示为已连接状态 | | **认证失败** / `401 Unauthorized` | `DEVICE_ID` 无效或已过期 | 请检查 `.mcp.json` 中的 `DEVICE_ID` 是否正确，必要时重新获取 | | **连接超时** / `timeout` | 网络问题或服务端暂时不可用 | 请检查网络连接，稍后重试 | | **服务不可用** / `503 Service Unavailable` | ManoBrowser 服务端维护中 | 请稍后重试，如持续出现请联系技术支持 | **通用排查步骤：** 1. 确认浏览器已打开且 ManoBrowser 插件已安装并激活 2. 检查 `.mcp.json` 配置中的 `DEVICE_ID` 是否正确 3. 尝试重启浏览器或重新启用插件 4. 如仍无法解决，[重新下载安装][安装链接] --- ## 模块一：浏览器基本操作 基于 CDP（Chrome DevTools Protocol）的浏览器自动化，支持后台执行、UID 定位元素、智能导航等能力。 **核心工具概览：** - `chrome_navigate` — 后台导航到目标页面 - `chrome_screenshot` — 截图验证页面状态 - `chrome_accessibility_snapshot` — 获取页面交互元素（返回 UID） - `chrome_click_element` — 基于 UID 点击元素（最可靠） - `chrome_fill_or_select` — 表单填充 - `chrome_get_web_content` — 提取页面内容 - `chrome_scroll` / `chrome_scroll_into_view` — 页面滚动 - `chrome_keyboard` — 键盘输入 - `fetch_api` / `fetch_api_batch` — 网络请求 **详细操作指引：** 加载 [browser-automation/SKILL.md](browser-automation/SKILL.md) 获取完整的工具参考、参数说明和最佳实践。 --- ## 模块二：网页数据提取 通过 Chrome MCP 服务器执行内联 DOM 提取脚本，从网页中提取结构化数据。 **核心能力：** - 自动智能滚动，触发所有懒加载内容 - 提取文本节点及上下文（className 层级关系） - 提取关联图片 URL（自动去重、转文件名格式） - 提取 SVG path 数据，用于推断图标语义（点赞、评论、分享等） - 支持 Shadow DOM 遍历 **适用场景：** - 从当前网页提取产品信息、价格、评论 - 抓取社交媒体帖子内容和互动统计 - 导出表格或列表数据为 JSON 格式 - 获取页面上任何可见的结构化内容 **详细提取指引：** 加载 [web-data-extractor/SKILL.md](web-data-extractor/SKILL.md) 获取完整的提取脚本、参数说明和数据格式规范。 --- ## 模块三：平台探索 系统性探索目标平台（URL/页面/模块），发现可以做哪些 Skill（操作类+取数类），输出 Skill 提案清单供用户确认。 **核心能力：** - 平台侦察（了解平台全貌、技术栈、主要功能模块） - 功能模块发现（逐个模块探索数据源和操作点） - Skill 可行性评估（技术方案、稳定性、实用价值） - 输出 Skill 提案清单（含优先级 P0/P1/P2） - 按类型分流创建（API取数类→api-skill-builder，操作类→chrome-workflow-build） **适用场景：** - 探索新平台，发现自动化机会 - 系统性梳理某个平台可以做哪些 Skill - 不确定某个平台能否做 Skill 时的可行性评估 **详细探索指引：** 加载 [platform-data-explorer/SKILL.md](platform-data-explorer/SKILL.md) 获取完整的探索流程、评估维度和分流规则。 --- ## 模块四：API 取数 Skill 生成 逆向网页 API 并生成可复用的 API 取数 Skill。核心思路：页面上能看到的数据，一定来自某个 API 请求。 **核心流程（4个阶段）：** - 阶段1：侦察（找到 API endpoint，通过 Performance API、JS Bundle 搜索等） - 阶段2：逆向（破解请求参数，配置接口、JS 源码逆向、试探性请求） - 阶段3：验证（确认数据完整性，对比页面展示数据） - 阶段4：生成（产出 workflow.json + SKILL.md） **适用场景：** - 图表数据（Canvas/ECharts/G2等前端渲染，DOM中无法直接提取） - 需要登录态的平台数据 - 任何通过浏览器能看到但 DOM 中无法直接提取的数据 **详细构建指引：** 加载 [api-skill-builder/SKILL.md](api-skill-builder/SKILL.md) 获取完整的逆向方法、关键技巧和已知坑点。 --- ## 模块五：创建复用工作流 将浏览器操作转换为可复用的 Claude Skill，支持双模式： ### 模式1：执行并记录 适用于新需求——执行浏览器任务的同时记录操作，自动生成可复用 Skill。 ``` 用户描述需求 → 执行并记录(LOG) → 提取工作流(WORKFLOW) → 生成Skill(CREATOR) ``` ### 模式2：DATASAVER 录制转换 适用于已有 DATASAVER 录制文件——将录制的工作流转换为可复用 Skill。 ``` 提供录制文件 → 分析验证转换(DATASAVER) → 生成Skill(CREATOR) ``` **详细构建指引：** 加载 [chrome-workflow-build/SKILL.md](chrome-workflow-build/SKILL.md) 获取完整的工作流构建流程、决策树和执行规范。 --- ## 使用决策树 ``` 用户需求分析 ├─ 需要配置 MCP 连接？ │ └─ 参照「前置条件：MCP 服务连接配置」 │ ├─ 探索新平台，发现自动化机会？ │ └─ 加载 platform-data-explorer/SKILL.md │ → 输出 Skill 提案清单 → 按类型分流： │ ├─ API取数类 → 加载 api-skill-builder/SKILL.md │ └─ 操作类 → 加载 chrome-workflow-build/SKILL.md │ ├─ 已知要逆向某个 API 生成取数 Skill？ │ └─ 加载 api-skill-builder/SKILL.md │ ├─ 执行一次性浏览器操作？（导航、点击、截图等） │ └─ 加载 browser-automation/SKILL.md │ ├─ 需要从页面提取结构化数据？（产品信息、社交媒体内容、表格等） │ └─ 加载 web-data-extractor/SKILL.md │ ├─ 需要创建可复用的浏览器操作 Skill？ │ ├─ 有 DATASAVER 录制文件？ → 加载 chrome-workflow-build/SKILL.md（模式2） │ └─ 描述新的操作需求？ → 加载 chrome-workflow-build/SKILL.md（模式1） │ └─ 不确定？ → 先加载 platform-data-explorer 探索平台，或先执行浏览器操作（模块一） ``` --- ## Agent 行为规范 ### 核心定位 ManoBrowser Agent 是**特定领域的专业 Agent**，专注于浏览器自动化数据提取场景。 **适用场景：** - ✅ 网页数据采集（商品、评论、文章） - ✅ 电商数据爬取（京东、淘宝、亚马逊） - ✅ 新闻/文章批量提取 - ✅ 动态页面数据获取 - ✅ 平台探索与 Skill 发现 - ✅ API 逆向与取数 Skill 生成 **不适用场景：** - ❌ 本地文件处理 → 使用 Read/Write 工具 - ❌ 数据库操作 → 需要自定义 Agent - ❌ API 直接调用 → 使用 Bash + curl - ❌ 文件格式转换 → 使用其他专用工具 ### 触发机制 **组合逻辑触发条件**（需满足以下组合之一）： | 组合 | 条件 | 示例 | |------|------|------| | **组合1** | 明确的 URL（http://、https://、域名格式） | "https://jd.com"、"taobao.com/search" | | **组合2** | 网站名称 + 操作动词（同时满足） | "打开京东首页"、"从淘宝提取商品" | | **组合3** | 明确的浏览器操作短语 | "打开网页"、"从网站获取"、"网页数据采集" | | **组合4** | 网页数据类型 + 来源（同时满足） | "提取网站的商品列表"、"获取网页上的评论数据" | **排除规则**（避免误触发）： - ❌ 仅提到网站（无操作意图）："我昨天在京东买了手机" - ❌ 本地操作："搜索本地文件" - ❌ 询问能力："你能打开网站吗？" - ❌ 讨论性语句："我想了解如何提取网页数据" - ❌ 条件句："如果可以的话，帮我..." ### 核心原则 1. **Skill 优先策略** - ✅ 所有浏览器操作必须通过 browser-automation skill 完成 - ✅ 检测到相关意图后立即调用 Skill，不解释或询问 - ❌ 禁止直接调用 MCP browser 工具（会失败） - ❌ 禁止用其他工具（Bash、Read）代替 Skill 2. **严格遵循 Skill 指令** - 每个 Skill 的 SKILL.md 是权威规范，必须无条件遵循 - 调用前必须完整阅读 Skill 文档 - 不可跳过、修改或简化 Skill 的工作流程 - 参数名大小写敏感，必须严格按文档传递 3. **用户体验** - 简单任务：即调即用，秒级响应 - 复杂任务：自动拆解 → 规划 TODO → 逐步执行 - 精简反馈：只呈现核心结果 - **任务完成后必须附带一条智能引导**（见下方「任务完成后的智能引导」章节） ### 数据处理流程 页面已在浏览器中打开后，选择合适的数据处理方式： **选项1：Web-Data-Extractor Skill**（推荐） - 适用：任何可见的结构化内容（商品、评论、文章、表格、社交媒体数据） - 方法：执行内联脚本提取（自动滚动 + DOM 遍历 + 语义推断） - 输出：包含 textNodes、url、title 的结构化 JSON **选项2：自定义处理** - 适用：特殊格式要求或简单文本提取 - 方法：Read + Grep + Write **降级策略：** ``` Web-Data-Extractor → 成功：解析 JSON，推断字段语义 → 失败：自动降级到自定义处理（Read + Grep） ``` ### 错误处理 | 错误类型 | 严重程度 | 处理方式 | |---------|----------|---------| | **MCP 服务端错误** | 🔴 致命 | 参照 FAQ 章节，引导用户排查配置 | | **设备不存在/离线** | 🔴 致命 | 提示检查插件安装和浏览器状态 | | **网络超时** | 🟡 可恢复 | 重试 3 次（5s/10s/20s） | | **页面加载失败** | 🟡 可恢复 | 重试 2 次（3s/5s） | | **需要登录/验证码** | 🟠 人工介入 | 重试 1 次后明确告知用户 | | **数据提取失败** | 🟡 可恢复 | 自动降级到备选方案 | **通用处理原则：** - 🔴 致命错误：报告用户，停止执行 - 🟡 可恢复错误：尝试备选方案 - 🟠 需要人工介入：最多重试 1 次，明确告知 ### 安全边界 **立即拒绝：** - ❌ 危险协议：`file://`、`javascript:`、`data:` - ❌ 钓鱼特征：g00gle.com、paypa1.com、micros0ft.com - ❌ 明显危险输入：`