browser-act skills

Name: browser-act skills (Claude Skill)
Author: browser-act

为什么要用

核心特性

Schema 引导提取——传入 JSON Schema，获取匹配数据
比「截图 + LLM 推理」循环更快、更便宜
多步骤流程（填表 → 点击 → 抓取结果）
合理的默认设置：限速、重试、礼貌的 UA
在真实 SPA 上可靠性更高

实时演示

实际使用效果

就绪

安装

作者仓库 · Claude Skills 官方文档

使用场景

实战用法： browser-act skills

从 JS 重度 SPA 中提取有类型的数据列表

👤 需要从没有 API 的网站一次性获取数据的开发者 ⏱ ~25 min intermediate

何时使用： 网站只在 JS 执行后才渲染你需要的数据；普通抓取返回空结果。

步骤

定义 schema

Use browser-act. Schema: items[]{title:str, price:number, available:bool}.✓ 已复制

→ Schema 已接受
访问并提取

Open <url>; wait for the product grid; extract matching the schema.✓ 已复制

→ 有类型的 JSON 列表
验证异常值

Spot-check 3 random rows by re-fetching their detail page; check parsing is correct.✓ 已复制

→ 抽查通过；或发现了需要修复的解析 bug

结果： 可靠的有类型数据；无需手动点击。

注意事项

网站在 50 次请求后检测到爬虫并封锁 — 降低并发；轮换 UA；遵守 robots.txt 或放弃该任务

搭配使用： filesystem

通过多步骤表单导航到隐藏在后面的数据

👤 需要爬取登录或向导后面数据的开发者 ⏱ ~40 min intermediate

何时使用： 公共数据集隐藏在「选国家 → 选年份 → 点查看」这样的流程后面。

步骤

规划流程

Use browser-act. Steps: pick country=US, year=2025, click 'View'. Then extract the table.✓ 已复制

→ 流程计划已接受
执行

Run the flow for 50 country/year combinations.✓ 已复制

→ 50 组合的有类型行数据
持久化

Write each combo to /data/<country>-<year>.json.✓ 已复制

→ /data/ 中有对应文件

结果： 批量获取点击式 UI 后面的数据，无需手动劳动。

注意事项

网站添加了步骤或重命名了按钮导致流程中断 — Skill 会注意到并暂停；你只需重新录制一次流程，而非 50 次

搭配使用： filesystem

监控页面变化并发出告警

👤 监视状态页/可用性追踪的任何人 ⏱ ~15 min beginner

何时使用： 你想知道预约名额什么时候放出、价格什么时候降低、文档什么时候更新。

步骤

定义监控目标

Use browser-act. Watch <url> selector '.availability-banner' every 10 minutes. Alert if text changes.✓ 已复制

→ 监控已激活
定义告警路径

Alert via: write to ~/inbox/alerts.txt + notify webhook https://<my-webhook>.✓ 已复制

→ 变化时两者都会触发

结果： 对特定信号的免手动监控。

注意事项

监控频率过高 = 被封锁 — 大多数网站保持 ≥5 分钟间隔；遵守 429 响应

组合

与其他 MCP 搭配，撬动十倍杠杆

browser-act-skill + filesystem

将爬取数据持久化到结构化路径

Save extraction outputs to /data/<source>/<date>.json with provenance metadata.✓ 已复制

browser-act-skill + duckduckgo-mcp

先通过搜索找到页面，再进行结构化提取

Search via duckduckgo-mcp for the data source; pass the URL into browser-act for typed extraction.✓ 已复制

工具

此 MCP 暴露的能力

工具	输入参数	何时调用	成本
extract_typed	url, schema, wait_for?	从页面拉取结构化数据	Browser run + LLM tokens
run_flow	steps[], schema?	多步骤导航	Multi-step browser cost
watch	url, selector, interval, action	长期运行的变化检测	Per-poll cost
screenshot	url, full_page?	视觉调试	Browser run

成本与限制

运行它的成本

API 配额: 取决于提供商；部分流程使用内置浏览器免费
每次调用 Token 数: Schema 引导提取比原始「截图 + 推理」更便宜
费用: Skill 免费；提取时消耗 LLM token
提示: 始终传入 schema——无方向的提取会在噪音上浪费 token

安全

权限、密钥、影响范围

最小权限： Outbound HTTPS

凭据存储： 如需登录网站，通过环境变量传入凭证；一次性爬取后轮换

数据出站： 目标网站 + LLM 提供商

切勿授予： 不要在 skill 的工作区中持久存储登录 token

请遵守目标网站的 robots.txt 和服务条款；skill 是工具，不是忽略政策的许可证

故障排查

常见错误与修复

提取返回空结果

等待选择器的时间更长；网站可能在点击后延迟加载数据或通过 XHR 加载

验证： 使用 screenshot 工具验证页面状态

网站检测到爬虫

降低并发；轮换 UA；考虑该网站是否允许爬取

Schema 不匹配

放宽类型（string vs number）；网站的格式可能破坏了严格的类型检查

Watch 因外观变化而频繁触发

将选择器缩窄；或从 HTML diff 切换到基于文本的 diff

替代方案