dsh-tool-browser

给 DeepSeek Harness（DSH）的原生浏览器自动化工具插件，由 Playwright 驱动。 默认直接使用本机安装的 Microsoft Edge（channel: "msedge"，无需下载浏览器）， Edge 缺失时自动回退到 Playwright 自带的 Chromium。

能力

面向模型的只读/交互工具（全部注册进 DSH 的 ctx.tools）：

工具	作用
browser_navigate	打开 URL，返回标题与最终地址
browser_snapshot	返回页面可见文本（body innerText，限长）
browser_click	按 CSS 选择器点击元素
browser_type	按 CSS 选择器向输入框填入文本
browser_press_key	按键盘键（Enter / Escape 等）
browser_evaluate	在页面执行 JS 表达式并返回 JSON 结果
browser_take_screenshot	截图保存为 PNG，返回文件路径
browser_console_messages	返回页面控制台消息
browser_wait_for	等待固定毫秒数
browser_back	返回上一页
browser_fill_form	一次填多个表单字段
browser_select_option	下拉框选择选项
browser_hover	悬停元素
browser_drag	拖拽（源元素 → 目标元素）
browser_resize	调整视口尺寸
browser_open_tab	新开标签页（可带 URL）
browser_tabs	列出所有标签页
browser_switch_tab	切换到指定标签页
browser_close_tab	关闭当前标签页

设计要点：

• 共享页面：插件实例维护一个浏览器 + 一个页面，会话内浏览状态连续；工具默认互斥（非并发安全），避免相互干扰。
  • 限制：使用该插件的所有会话共享同一个页面，跨会话会互相影响；需要隔离时请用独立 profile 实例。
• 中止安全：每个工具转发 exec.signal，超时/中止策略不会挂死 agent 回合。
• 结果结构化：全部返回 { text }，快照/求值结果限长，控制 KV cache 影响。

安装

已发布到 npm，一条命令安装（推荐，自动拉取 registry 最新版）：

dsh plugin --profile <name> add dsh-tool-browser

GitHub / 本地开发备选：

dsh plugin --profile <name> add https://github.com/MashedPotato817/dsh-tool-browser.git
# 或本地：dsh plugin --profile <name> add /path/to/dsh-tool-browser

在 profile 的 cordis.patch.yml 里启用：

- insert:
    - id: dsh-tool-browser
      name: dsh-tool-browser
      config:             # 可选，下列为默认值
        channel: msedge    # 浏览器 channel
        headless: true
        allowedHosts: []   # 空 = 允许全部 host

快速开始

三步即可在 DeepSeek Harness（DSH）里获得浏览器自动化能力：

# 1. 安装插件
dsh plugin --profile <name> add dsh-tool-browser

# 2. 在 cordis.patch.yml 里 insert 启用（见上）

# 3. 启动 DSH 后，模型会自动拥有 browser_* 工具，直接在对话里让 agent 操作浏览器：
#    「打开 https://example.com 并截图」

调用示例

安装并启用后，这些工具会注册进 DSH 的 ctx.tools，agent 无需额外 import 即可直接调用：

// 在 DSH 插件 / 对话中，模型按工具名直接调用，无需手工引用
await ctx.tools.browser_navigate({ url: "https://example.com" });
await ctx.tools.browser_snapshot({});
await ctx.tools.browser_click({ target: "button#submit" });
await ctx.tools.browser_evaluate({ script: "document.title" });
await ctx.tools.browser_take_screenshot({});

工具名与 DSH 内置 browser_* 能力一一对应，完整清单见上文「能力」表。

配置

键	默认值	含义
channel	msedge	Playwright 浏览器 channel（msedge / chrome / 缺省=自带 Chromium）
allowedHosts	[]	允许访问的 host 白名单（空=全部允许，*=全部，如 example.com）；data:/about: 始终允许
headless	true	无头模式（调试可设 false）
outputDir	系统临时目录	截图输出目录
timeoutMs	60000	工具调用总超时
navigationTimeoutMs	60000	页面导航超时
actionTimeoutMs	10000	单次动作（点击/输入）超时
snapshotMaxChars	12000	snapshot 文本上限
evaluateMaxChars	4000	evaluate 结果上限
viewportWidth/Height	1280x720	视口尺寸

开发

npm install
npm run check   # 语法校验
npm test        # smoke + 真实浏览器集成测试（本机 Edge；CI 用自带 Chromium）

License

MIT