Token导航 LogoToken导航

Agent Skill · 前端设计

browser-automation(浏览器自动化)

用于辅助文档、README、Markdown、说明文和内容稿件的整理与改写。它适合让 Agent 提炼结构、补齐章节、统一术语、检查链接或把零散材料整理成可读文档。使用时应保留项目已有事实、命令和路径,不要把未确认的信息写成确定结论;涉及对外文案时,还需要控制语气,避免过度营销或夸大能力。

browser-automation 是前端设计类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为接触敏感数据;许可证为 MIT,第三方扫描有未通过项,按安装量在前端设计类的 10,216 个 Skill 里排第 4,989。

总安装 759周安装 31GitHub Stars 3下载 246核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:browser-automation(浏览器自动化)
来源仓库:https://github.com/drshailesh88/integrated_content_os
仓库路径:skills/browser-automation
安装命令:
npx skills add https://github.com/drshailesh88/integrated_content_os --skill browser-automation
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。不同来源提供的安装方式可能略有差异;本站展示可直接复制的安装命令,安装前请核对来源页面。

skills.shnpx skills
npx skills add https://github.com/drshailesh88/integrated_content_os --skill browser-automation

这个 Skill 是做什么的

前端设计类 Skill 关注页面结构、视觉规范和组件写法,输出通常是可运行的界面代码。

browser-automation 利用 Playwright MCP 操控 ChatGPT/Gemini 网页界面。无需 API 费用,直接使用订阅账户进行交互操作。模拟人工点击输入实现复杂对话流程自动化。适用于无法直连 API 的高级功能调用与批量提问。需保持浏览器实例稳定连接避免会话中断导致失败。

来源仓库内路径:skills/browser-automation

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/drshailesh88/integrated_content_os --skill bro…;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要接触敏感数据,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

browser-automation 怎么安装?

在终端执行 npx skills add https://github.com/drshailesh88/integrated_content_os --skill browser-autom…。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

browser-automation 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

browser-automation 需要什么权限?

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

browser-automation 是免费的吗?

来源标注的许可证是 MIT。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

browser-automation 用的人多吗?

公开数据是累计安装 759 次,近一周安装 31 次,下载 246 次,GitHub 3 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

browser-automation 安全吗?

第三方扫描有未通过项,风险较高。除非你确认过源码,否则不建议直接安装到常用环境。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 3 个目录同时收录,说明这个 Skill 流传比较广。
  • 许可证明确为 MIT,商用和分发边界好判断。

先想清楚的地方

  • 需要接触敏感数据,装到常用环境前要先评估影响面。
  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理前端设计类任务、又不想每次都手写提示词的人。

不太适合

  • 环境里有大量密钥、凭证,不方便给第三方 Skill 读取的人。
  • 需要厂商级技术支持和 SLA 的生产系统。

前端设计类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
frontend-design

前端设计 · Codex、Claude

8,823,360126,072只读MIT通过
vercel-composition-patterns

Vercel 组合模式 · Codex、Claude

3,858,81625,893需要联网MIT通过
vercel-react-native-skills

Vercel React native skills 前端 · Codex、Claude

2,468,66425,878只读MIT通过
adapt

adapt 搜索 · Codex、Claude

2,027,04023,125操作浏览器未明确通过
bolder

bolder 分析 · Codex、Claude

2,004,28823,130只读未明确通过
browser-automation

浏览器自动化 · 本页

7593接触敏感数据MIT未通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

Browser Automation for AI Web Interfaces

Use your ChatGPT Plus and Gemini Advanced subscriptions through browser automation. No API costs - just your monthly subscription.


How It Works

┌─────────────────────────────────────────────────────────────────┐
│                    BROWSER AUTOMATION FLOW                       │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  Your Prompt ──► Playwright MCP ──► Browser Instance            │
│                                           │                      │
│                              ┌────────────┴────────────┐        │
│                              ▼                         ▼        │
│                      ┌─────────────┐           ┌─────────────┐  │
│                      │  ChatGPT    │           │   Gemini    │  │
│                      │  chat.openai│           │   gemini.   │  │
│                      │  .com       │           │   google.com│  │
│                      └──────┬──────┘           └──────┬──────┘  │
│                             │                         │         │
│                             ▼                         ▼         │
│                      Response captured & returned to you        │
│                                                                  │
└─────────────────────────────────────────────────────────────────┘

Prerequisites

1. Playwright MCP Must Be Active

You have Playwright MCP configured. Verify it's working:

Use browser_snapshot to check if browser is available

2. Login Sessions

The browser automation uses saved sessions. You need to log in once:

First-time setup:

  1. Navigate to ChatGPT/Gemini
  2. Log in with your credentials
  3. Session is saved for future use

ChatGPT Automation

Step-by-Step Workflow

Step 1: Navigate to ChatGPT

browser_navigate → https://chat.openai.com

Step 2: Check if logged in

browser_snapshot → Look for chat input or login button

Step 3: If not logged in, authenticate

browser_click → "Log in" button
browser_type → Enter email
browser_click → Continue
browser_type → Enter password
browser_click → Log in

Step 4: Start new chat

browser_click → "New chat" button (or navigate to chat.openai.com)

Step 5: Type your prompt

browser_type → Your prompt text in the message input

Step 6: Submit and wait

browser_click → Send button
browser_wait_for → Wait for response to complete

Step 7: Capture response

browser_snapshot → Get the response text

Example: ChatGPT Writing Task

I will now use browser automation to get ChatGPT's response:

1. browser_navigate to https://chat.openai.com
2. browser_snapshot to see current state
3. browser_type to enter prompt in textarea
4. browser_click to send
5. browser_wait_for response
6. browser_snapshot to capture output

Gemini Automation

Step-by-Step Workflow

Step 1: Navigate to Gemini

browser_navigate → https://gemini.google.com

Step 2: Check if logged in

browser_snapshot → Look for chat input

Step 3: Type your prompt

browser_type → Your prompt in the input area

Step 4: Submit

browser_press_key → Enter (or click send button)

Step 5: Wait and capture

browser_wait_for → Response generation
browser_snapshot → Get response

Practical Commands

For Claude Code Session

When you want me to use browser automation, say:

"Use browser automation to ask ChatGPT: [your prompt]"
"Get Gemini's take on: [your prompt]"
"Compare browser outputs for: [your prompt]"

I will then:

  1. Use Playwright MCP tools
  2. Navigate to the appropriate site
  3. Enter your prompt
  4. Capture and return the response

Handling Authentication

Session Persistence

Browser automation works best with persistent sessions:

# The Playwright MCP maintains browser state
# Once logged in, sessions typically persist

If Session Expires

If you see a login screen:

  1. ChatGPT: Look for "Log in" button, click it
  2. Gemini: Look for "Sign in" button, click it
  3. Complete authentication flow
  4. Resume automation

Two-Factor Authentication

If 2FA is required:

  1. Automation will pause at 2FA screen
  2. You manually complete 2FA
  3. Automation continues

Limitations

Browser Automation Caveats

LimitationWorkaround
Slower than APIUse for comparison, not bulk
Can break if UI changesReport issues, I'll adapt
Requires active sessionKeep browser open
Rate limits still applyDon't spam requests
CAPTCHAs possibleMay need manual intervention

When NOT to Use Browser Automation

  • Bulk content generation (use GLM-4.7 API instead)
  • Time-critical tasks (APIs are faster)
  • Fully automated pipelines (APIs more reliable)

When TO Use Browser Automation

  • Comparing writing styles
  • Using features only in Plus/Advanced
  • Testing latest model versions
  • When APIs are down

Comparison Workflow

Get Same Prompt from Multiple Sources

Step 1: Write with Claude (default, in this conversation)
Step 2: browser_navigate to ChatGPT, get response
Step 3: browser_navigate to Gemini, get response
Step 4: Compare all three side-by-side

Example Request

"Compare how you, ChatGPT, and Gemini would write a tweet about
the cardiovascular benefits of SGLT2 inhibitors"

I will:

  1. Write my version (Claude)
  2. Use browser automation to get ChatGPT's version
  3. Use browser automation to get Gemini's version
  4. Present all three for comparison

Troubleshooting

Browser Not Responding

browser_close → Close current browser
Then start fresh with browser_navigate

Wrong Page Loaded

browser_snapshot → Check current state
browser_navigate → Go to correct URL

Element Not Found

browser_snapshot → Get fresh page state
Look for correct element reference
Retry with updated reference

Session Logged Out

browser_navigate → Go to login page
Complete login flow
Resume automation

Integration with Multi-Model Writer

This skill works with multi-model-writer:

API Models:
- /write-glm → Z.AI API
- /write-gpt → OpenAI API
- /write-gemini → Google AI Studio API

Browser Models:
- /browser-chatgpt → ChatGPT Plus web
- /browser-gemini → Gemini Advanced web

Use APIs for speed and reliability. Use browser for subscription-only features or comparison.


Example Session

User: "Use browser to compare how ChatGPT writes about statins"

Claude: I'll get ChatGPT's perspective using browser automation.

[Uses browser_navigate to https://chat.openai.com]
[Uses browser_snapshot to verify page state]
[Uses browser_type to enter: "Write a patient-friendly explanation of how statins work"]
[Uses browser_click to send]
[Uses browser_wait_for to wait for response]
[Uses browser_snapshot to capture response]

Here's what ChatGPT wrote:
[Response text]

Compared to my approach:
[Claude's version]

Key differences:
- ChatGPT emphasized X while I focused on Y
- Tone: ChatGPT more conversational, mine more clinical
- Length: Similar word count

*Browser automation gives you access to your paid subscriptions programmatically, complementing the API-based models in your arsenal.*

平台分布

Claude Code

26.55%
按下载量换算65

OpenCode

21.38%
按下载量换算53

Antigravity

18.97%
按下载量换算47

Gemini CLI

13.22%
按下载量换算33

windsurf

8.05%
按下载量换算20

Codex

3.2%
按下载量换算8

安全审计

Gen Agent Trust Hub

未通过

Socket

通过

Snyk

未通过

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。

继续浏览同类 Skills