dsh-browser

dsh-browser

English | 中文

DeepSeek Harness（DSH）的浏览器运行时插件：让模型打开网页、读取内容、操作页面、截图、下载文件，也为 dsh-web-search-pro 提供 browser 服务。插件自带 Playwright / Patchright 驱动，浏览器本身不随插件下载：装了 Google Chrome 或 Microsoft Edge 就直接用。

亮点

• 两个常驻工具：browser_index（看目录）+ browser_call（执行动作），常驻上下文约 325 token；41 个动作分成 9 组，按需查看单个动作的 schema。
• 不用先下载浏览器：自动检测系统 Chrome / Edge；都没有时才用 runtime.install 安装 Playwright Chromium。可选 Patchright 内核。
• 严格定位与结构化观察：role / name / label / text / testId 语义定位，匹配多个元素时不执行并列出候选；observe.read 可直接给出可用于 act.* 的 controls / links / tables。
• 按 session 隔离、四档自动化自由度：每个 session 独立的浏览器 context；read-only / standard / autonomous / unrestricted 决定能做什么、哪些要走 DSH 原生审批。
• 登录态、下载与限流：按域名限定的 authProfile，下载落盘带 sha256，usagePolicy 限制并发与突发；模型可通过策略动作收紧或（经审批）放宽。
• 可复用自动化（实验性）：recipe / UserScript 资产的积累、检索、测试与手动激活；OpenCLI 站点 adapter 可选。

安全边界与 2026-09 的审查记录见 AUDIT.md（基于 0.1.12，部分内容已过时）：allowedDomains 只限制登录态装载，不是网络防火墙或 Agent 隔离边界。

兼容性

范围之外的宿主版本未经验证。历史版本、升级说明见 CHANGELOG；peer 范围为什么写成两段见 docs/dev/host-compat.md。

安装

DSH CLI（以 web profile 为例）：

dsh plugin --profile web add @anweat/dsh-browser@0.2.2
# 宿主仍是 0.1.7 线（dsh-v0.1.7-rc.2）时，固定安装 0.1.17：
dsh plugin --profile web add @anweat/dsh-browser@0.1.17
# 装完重启 profile（web profile 关闭了 HMR）：
dsh --profile web

DSH Desktop：profile 由应用管理，CLI 对 --profile desktop 会直接报错（profile "desktop" is managed exclusively by the Electron application），请在应用里装：

1. 打开插件页，点 Add plugin。
2. 填包名，可带版本，即上面 dsh plugin add 后面那一段，例如 @anweat/dsh-browser@0.2.2。
3. 对话框里还能选 Registry。国内镜像（如 npmmirror）可能比官方源晚几分钟到几小时，装不到新版本时，把 Registry 换成 https://registry.npmjs.org。
4. 点 Install，装完按应用提示重启。

非官方插件的升级 = 先卸载再重装。

本地目录 / tarball（开发用）：

dsh plugin --profile web add ./dsh-browser            # 本地检出
pnpm pack && dsh plugin --profile web add ./anweat-dsh-browser-0.2.2.tgz

本地源码 checkout 的版本号可能与已发布的有出入，需要在 profile 的 pnpm-workspace.yaml 里对齐版本后重装。dsh plugin add 在 pnpm 11 下应当直接成功、退出码 0；排障时才需要手改 profile 的 package.json。

第一次使用

1. 重启后找到设置卡片：设置页的“插件”里，@anweat/dsh-browser 的配置卡片标题是“浏览器自动化”。顶部状态摘要直接说明运行环境：
   • 红色徽章“没有可用浏览器”：点“查看详情”有可照做的步骤；
   • “浏览器：系统 Chrome / Edge”：正常状态，什么都不用做；
   • “OpenCLI 未安装”：只是提示，不是警告。
2. 确认浏览器：让模型调用 browser_call({action:"runtime.status"})（或看状态摘要），browser.ready 为 true 即可。
   • 有 Chrome / Edge：自动使用，不下载任何东西。Playwright 的 Chromium 一旦下载过就改用它；填了 executablePath，或把 channel 设为 chrome / msedge，则固定用你指定的那个，找不到就报错。
   • 都没有：装 Chrome 或 Edge；或让模型调用 runtime.install（下载约 190 MB，会询问审批）；或在设置里填 executablePath。完整选项见 内核与依赖。
3. 可选依赖：
   • OpenCLI：只有 opencli.* 动作和 Web Search Pro 的 browser-opencli 后端用到。npm i -g @jackwener/opencli，重启后调用 opencli.status。不装不影响其他功能，也不会让 dsh plugin add 失败。查找顺序与排障见 登录态复用与 OpenCLI。
   • dsh-web-search-pro：它在运行时读取本插件提供的 browser 服务来做页面快照、playwright 抓取和搜索页类平台，两者可独立安装；这些浏览器类能力需要本插件在场。

快速示例

本地开发服务器（例如 http://127.0.0.1:5173 的 Vite 应用）：先在设置卡片（或配置文件）里设置：

- insert:
    - id: browser
      name: '@anweat/dsh-browser'
      config:
        channel: chrome            # 固定用本机 Chrome；省略则自动选择
        headless: true             # 默认值，不弹窗口
        automationMode: autonomous # 会话的审批策略为 never 时需要，见下

保存后重启 profile，然后模型依次调用 browser_call：

# 以下每行是一次 browser_call 的参数
{"action":"target.open","args":{"url":"http://127.0.0.1:5173"}}
{"action":"observe.read","args":{"sections":["controls","tables"]}}
{"action":"act.click","args":{"locator":{"role":"columnheader","name":"Name"}}}
{"action":"observe.screenshot","args":{"filename":"dev-home.png"}}     → result.path
# 然后调用宿主的 read_image 工具
read_image({"file_path":"<上一步返回的 path>"})

• 访问本机地址的 target.open 不需要额外权限，也不需要登录 profile。
• 审批：standard（默认）下 act.* 要走 DSH 审批；会话的审批策略为 never 时，所有需要询问的动作都会被自动拒绝，这时把 automationMode 设为 autonomous，页面交互就直接执行。script.evaluate、act.upload 在 autonomous 下仍会询问，只有 unrestricted 才跳过。
• 登录态：要在本机地址上带登录态，配 authProfiles（allowedDomains: [127.0.0.1]，状态文件必须存在）。如果希望由 agent 经 runtime.set_auth_profile 自己写这类 loopback / 内网域名，需要 allowPrivateHosts: true（默认关）；在会话审批策略为 never 时放宽动作会被拒绝，请直接在配置里写。
• 截图：observe.screenshot 把文件存进 snapshotDir（默认 $DSH_HOME/data/browser/snapshots），结果里的 path 交给宿主的 read_image 工具（参数 file_path）读成图片；read_image 由宿主提供，不是本插件的工具。target.open 的结果里也带全页截图路径。
• 需要固定视口（例如手机尺寸）：target.open 的 viewport 参数，或配置 viewportMode，见 下载与上下文选项。

公开网页：target.open → observe.read 读文本，observe.screenshot 截图；表单用 act.fill / act.click，standard 下每次询问一次。

工具与动作概览

模型先用 browser_index 看目录（无参数列出分组和环境状态；{group} 列动作；{action} 给完整参数 schema；{query} 关键词检索），再用 browser_call({action, args}) 执行。所有动作返回同一种信封 {ok, action, executionStatus, result | error{code,message,hint}}。把 toolSurface 设为 flat 可以改成每个动作一个工具（常驻约 17.4k token，仅用于对照与调试）。

GitHub で README 全文を読む →