刘道玉 AI 工作坊
随笔 研究 专题 工作坊 关于 RSS

OpenClaw Skill 每日推荐 - 浏览器自动化

2026-08-14

OpenClaw Skill 每日推荐 - 浏览器自动化

📅 2026年8月14日 | 分类:Browser & Automation | 共 320 个 Skills

分类概述

浏览器自动化是 OpenClaw 生态中最大的技能分类之一,拥有 320 个 Skills。这个分类涵盖了从网页抓取、表单填写、截图测试,到反检测浏览、macOS 桌面控制、云端浏览器集群等各种自动化场景。无论你是想做数据采集、自动化测试,还是构建 AI Agent 的浏览器交互能力,这里都有对应的工具。

今天精选 5 个最具代表性的 Skills,从不同维度展示浏览器自动化的能力边界。


🲝 精选 Skill 详解

1. Super Browser — 终极浏览器自动化框架

  • GitHub: heldinhow/super-browser
  • 推荐指数: ⭐⭐⭐⭐⭐

核心功能:将 8 个顶级浏览器技能融合为一个统一框架,支持本地和云端两种模式,自动选择最优环境。

技术实现:

  • 环境自动检测:有 API Key 时使用 Browserbase 云端浏览器,否则降级到本地 Chrome/Chromium
  • 完整的会话管理:创建/销毁会话、使用 Profile 持久化登录状态、连接已有标签页
  • 核心动作矩阵:navigate、click、type、snapshot、screenshot、pdf 一应俱全
  • 融合了 agent-browser(评分 3.672)、browser-automation(3.590)、browser-use(3.538)等高评分技能

实用场景:

1
2
3
4
5
6
7
8
9
10
11
12
# 快速自动化
browser open url="https://example.com"
browser snapshot
browser click ref="login-btn"

# 云端会话 - 大规模并行
browser session create --provider=browserbase
browser task run --goal="Find pricing page"

# Profile 管理 - 保持登录态
browser profile create --name=shopping
browser profile connect --name=shopping

推荐理由:如果你只安装一个浏览器自动化技能,选这个。它覆盖了绝大多数使用场景,设计上兼顾了易用性和扩展性。


2. Browser Use — 持久化浏览器自动化 CLI

  • GitHub: shawnpana/browser-use
  • 推荐指数: ⭐⭐⭐⭐⭐

核心功能:基于 browser-use CLI 的持久化浏览器自动化技能,支持跨命令保持会话状态,支持 Chromium、真实 Chrome、远程云端三种模式。

技术实现:

  • 持久化会话:浏览器在命令间保持打开,支持复杂的多步工作流
  • 三种浏览器模式:
    • chromium:快速、隔离、默认无头
    • real:使用真实 Chrome,支持 Profile 登录态复用
    • remote:云端浏览器,支持代理
  • Cookie 管理:完整的导出/导入/同步能力
  • Python 执行环境:内嵌 Python 命名空间,变量跨命令持久化
  • 云端隧道:通过 Cloudflare 隧道暴露本地开发服务器

实用场景:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 认证浏览 - 复用已有登录态
browser-use -b real profile list
browser-use --browser real --profile "Default" open https://github.com
# 直接已登录状态,无需重新认证

# 并行云端任务
browser-use -b remote run "Research competitor A pricing"
browser-use -b remote run "Research competitor B pricing"
browser-use -b remote run "Research competitor C pricing"
# 每个任务独立会话,并行执行

# 本地开发服务器暴露
npm run dev & # localhost:3000
browser-use tunnel 3000 # → https://abc.trycloudflare.com
browser-use --browser remote open https://abc.trycloudflare.com

推荐理由:Profile 同步功能非常实用——可以只同步特定域名的 Cookie 而非整个 Profile,在安全和便利之间取得了很好的平衡。云端 Agent 任务管理也很成熟,支持异步轮询和实时查看。


3. Camoufox — 反检测浏览器自动化

  • GitHub: goodgoodjm/camoufox
  • 推荐指数: ⭐⭐⭐⭐

核心功能:基于 Firefox 的反检测浏览器自动化工具,专为 X/Twitter、Naver 等严格反爬网站设计。

技术实现:

  • 基于 Camoufox(Firefox 内核),天生与 Chrome/Playwright 有别
  • OS/浏览器指纹伪装:os='linux' 必须匹配服务器实际 OS
  • 人类化鼠标移动:humanize=True 模拟真实用户行为
  • 持久化上下文:persistent_context=True + user_data_dir 保持会话
  • 关键注意:headless 必须设为 False,无头模式会被检测到

实用场景:

1
2
3
4
5
6
7
8
9
10
11
12
from camoufox.sync_api import Camoufox

with Camoufox(
headless=False, # 必须为 False
os='linux', # 必须匹配服务器 OS
humanize=True,
persistent_context=True,
user_data_dir='~/.openclaw/camoufox-profile'
) as browser:
page = browser.new_page()
page.goto('https://x.com')
# 使用标准 Playwright API
1
2
3
# 首次访问需要手动过 CAPTCHA
DISPLAY=:1 python3 scripts/login_session.py https://site.com/login
# 通过 VNC 解决验证码,之后自动化运行

推荐理由:当你遇到 “检测到自动化工具” 这类问题时,Camoufox 是终极解决方案。指纹伪装 + 人类化行为 + Firefox 内核的组合,能有效绕过大多数反爬检测。


4. Mac Use — macOS GUI 可视化控制

  • GitHub: kekejun/mac-use
  • 推荐指数: ⭐⭐⭐⭐

核心功能:通过「截图 → 识别元素 → 点击 → 验证」循环控制 macOS 上任何 GUI 应用,不限于浏览器。

技术实现:

  • 使用 Apple Vision OCR 检测屏幕上所有文本元素
  • 生成带编号标注的截图:绿色边框 + 蓝色编号
  • 1000×1000 画布坐标系,精确定位
  • 支持点击、输入、滚动、按键、拖拽等操作
  • 输入使用剪贴板粘贴(Cmd+V),完美支持中文等 Unicode 文本

实用场景:

1
2
3
4
5
6
7
8
9
10
# 控制微信小程序点外卖
python3 mac_use.py list # 列出所有窗口
python3 mac_use.py screenshot 微信 --id 41266 # 截图+标注
# → 返回: [{num: 1, text: "搜索", at: [500, 200]}, ...]

python3 mac_use.py clicknum 1 # 点击"搜索"
python3 mac_use.py type --app 微信 "炸鸡" # 输入搜索词
python3 mac_use.py key --app 微信 return # 回车
python3 mac_use.py screenshot 微信 --id 41266 # 查看结果
python3 mac_use.py clicknum 5 # 选餐厅

推荐理由:突破了”浏览器自动化”的边界——能控制任何 macOS 应用。对于微信小程序、原生应用等无法通过 Web API 交互的场景,这是最佳方案。Apple Vision OCR 的识别精度很高,编号点击的方式也很直观。


5. MCP Chrome — Chrome 浏览器 MCP 协议控制

  • GitHub: femto/mcp-chrome
  • 推荐指数: ⭐⭐⭐⭐

核心功能:通过 MCP 协议直接控制你正在使用的 Chrome 浏览器,复用已有登录态、书签和扩展。

技术实现:

  • Chrome 扩展 + Native Bridge 架构:扩展注入页面,Native Bridge 提供 MCP 接口
  • 20+ 工具:浏览器管理、截图、内容分析、交互、数据管理、网络监控
  • 支持 Streamable HTTP 和 STDIO 两种传输模式
  • 多客户端同时连接:Claude Code、Cursor、Kiro 等 MCP 客户端可共享同一个 Chrome

对比传统 Playwright 方案的优势:

特性 Playwright MCP Chrome MCP
浏览器实例 新进程 现有 Chrome
登录状态 需重新登录 复用已有会话
用户设置 干净环境 你的书签/扩展
启动速度 慢 即时
资源占用 重 轻量

实用场景:

1
2
3
4
5
6
7
8
9
// 配置 MCP 客户端
{
"mcpServers": {
"chrome-mcp-server": {
"type": "http",
"url": "http://127.0.0.1:12306/mcp"
}
}
}
1
2
3
4
5
6
# AI 自动操作流程
1. chrome_navigate(url: "https://example.com/login")
2. chrome_get_interactive_elements() → 找到表单元素
3. chrome_fill_or_select(selector: "#email", value: "user@example.com")
4. chrome_click_element(selector: "button[type=submit]")
5. chrome_screenshot(fullPage: true) → 验证结果

推荐理由:最大优势是”零迁移成本”——不需要重新登录、不需要配置新环境,直接接管你正在用的 Chrome。对于需要利用已有登录态的自动化任务(如内部系统操作、社交媒体管理),这是最省心的方案。


📊 推荐指数排名

排名 Skill 评分 最佳场景
1 Super Browser ⭐⭐⭐⭐⭐ 通用浏览器自动化首选
2 Browser Use ⭐⭐⭐⭐⭐ 持久化会话 + 云端并行
3 Camoufox ⭐⭐⭐⭐ 反爬检测严格的网站
4 Mac Use ⭐⭐⭐⭐ macOS 原生应用控制
5 MCP Chrome ⭐⭐⭐⭐ 复用现有 Chrome 登录态

🎯 应用场景总结

按需求选择

你的需求 推荐技能 理由
通用网页自动化 Super Browser 功能最全面,一站式解决
需要保持登录态 Browser Use / MCP Chrome Profile 复用,无需重新认证
目标网站有反爬 Camoufox 指纹伪装 + 人类化行为
控制 Mac 原生应用 Mac Use 突破浏览器边界,控制任意 GUI
并行云端任务 Browser Use 云端会话管理成熟
多 MCP 客户端共享 MCP Chrome 原生 MCP 协议支持

技术选型建议

  1. 从 Super Browser 开始:如果你不确定选哪个,先用它,覆盖面最广
  2. 反爬场景加 Camoufox:当遇到检测拦截时,切换到 Camoufox
  3. macOS 用户加 Mac Use:处理非浏览器的自动化需求
  4. MCP 生态用户选 MCP Chrome:如果你已经在用 Claude Code 等 MCP 客户端

组合使用

这些技能并非互斥,实际项目中可以组合使用:

1
2
3
4
# 用 MCP Chrome 读取已登录页面内容
# → 用 Camoufox 抓取反爬数据
# → 用 Mac Use 操作本地应用整理数据
# → 用 Browser Use 云端任务并行处理

💡 实用建议

  1. 先 observe 再 act:所有浏览器自动化都遵循”先看后做”原则——先 snapshot/screenshot,再操作
  2. 注意 Cookie 安全:同步 Profile 时尽量按域名同步,避免全量同步泄露敏感会话
  3. 云端任务要监控:使用 task status 轮询,如果 cost/duration 停止增长说明任务卡住了
  4. Camoufox 的 headless 必须为 False:这是反检测的关键,用 Xvfb 虚拟显示器代替
  5. Mac Use 的坐标系统:1000×1000 画布,原点在左上角,记住这个坐标系才能准确点击

📌 明日预告

明天将介绍 Calendar & Scheduling 分类,涵盖日历管理、会议调度、时间规划等技能。


本文是 OpenClaw Skill 每日推荐系列的第 3 篇,共 30 个分类。

  • openclaw
  • skill
  • browser-and-automation
  • 技术推荐
相关文章推荐
  • OpenClaw Skill 每日推荐 - 浏览器自动化(browser-and-automation) #openclaw #skill #browser-and-automation
  • OpenClaw Skill 每日推荐 - 浏览器与自动化 #openclaw #skill #browser-and-automation
  • OpenClaw Skill 每日推荐 - Moltbook(moltbook) #openclaw #skill
  • OpenClaw Skill 每日推荐 - 媒体与流媒体(media-and-streaming) #openclaw #skill
  • OpenClaw Skill 每日推荐 - 营销与销售(marketing-and-sales) #openclaw #skill
AI 编程正在制造架构债——怎么还?
Multimodal-Agent-RAG 项目深度分析报告
订阅 · 外部站点 · 行业资料 · 全部文章
© 2026 刘道玉 AI 工作坊
京ICP备16032693号