Gemini 网页自动操作代理搭建
输入网页任务和起始网址,搭建并运行可识别页面、点击和输入的浏览器代理,自动执行操作并返回结果。
功能与用途
适合希望把网页操作交给程序执行的开发者。提供任务描述和起始网址后,可搭建并运行浏览器代理,让它读取页面截图、判断下一步动作,并持续执行点击、输入和导航,直到任务完成或达到轮次上限。可用于查找网页信息、执行多步骤站点操作,也支持选择浏览器、排除指定动作,以及在模型要求确认时暂停等待用户。使用前需要配置 Gemini API 密钥、Python 环境和浏览器依赖。
适用场景
- 自动查找网页信息:从指定网址出发,让代理浏览页面并查找最新文章标题等目标信息,返回查找结果。
- 搭建多步骤网页操作流程:将需要点击、输入和页面跳转的任务交给代理连续执行,并设置最大运行轮次。
- 接入操作确认机制:为网页代理加入模型要求确认时的暂停流程,并排除不希望执行的动作。
适用人群
- 浏览器自动化开发者
- AI 应用开发者
- 企业内部流程开发人员
使用步骤
- 复制环境变量模板,填入并加载 API 密钥。
- 创建 Python 虚拟环境,安装依赖和浏览器。
- 填写任务描述、起始网址及最大运行轮次。
- 运行代理,按需确认操作并查看最终结果。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- AI工作流
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-11-03
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Build and run Gemini 2.5 Computer Use browser-control agents with Playwright. Use when a user wants to automate web browser tasks via the Gemini Computer Use model, needs an agent loop (screenshot → function_call → action → function_response), or asks to integrate safety confirmation for risky UI actions.
使用前准备
- 具备 Python 环境配置、命令行运行和环境变量设置的基础知识。
- 准备可调用相应 Computer Use 模型的 Gemini API 密钥。
- 安装 google-genai、Playwright 及 Chromium,或配置可用的 Chromium 系浏览器。
- 确认项目中包含所引用的代理脚本和环境变量模板。