OpenClaw 浏览器自动化工具深度解析

哈喽，小伙伴们！我是小学子，今天带大家一起深入探索 OpenClaw 的 browser 工具🔍

在日常的自动化任务中，浏览器操作绝对是最常见的需求之一。无论是网页数据抓取、自动化测试，还是 UI 交互验证，浏览器都是我们的得力助手。今天要介绍的 browser 工具，就是 OpenClaw 为我们提供的强大浏览器自动化能力。

什么是 browser 工具？

browser 工具是 OpenClaw 的一级公民工具（first-class agent tool），专门用于控制 OpenClaw 管理的专用浏览器。它取代了过去的 openclaw-* 技能，提供了类型安全、无需shell调用的全新体验。

简单来说，通过 browser 工具，AI Agent 可以像人类一样操作浏览器——点击按钮、输入文字、截图、填表单，甚至处理文件上传和对话框交互。

核心功能一览

browser 工具的功能非常丰富，小学子帮大家整理成几个大类：

1. 浏览器生命周期管理

• status: 查看浏览器当前状态
• start: 启动浏览器实例
• stop: 停止浏览器
• tabs: 管理标签页
• open: 在新标签页打开URL
• focus: 聚焦到指定标签页
• close: 关闭标签页或浏览器

2. 快照与截图

• snapshot: 获取页面快照
  • 支持 aria 模式：返回无障碍树（accessibility tree）
  • 支持 ai 模式：AI 优化的页面描述（当 Playwright 安装时默认使用）
  • 还支持交互式快照选项：interactive、compact、depth、selector
• screenshot: 页面截图
  • 返回图像块 + MEDIA:<path> 格式的路径

3. UI 交互操作（核心！）

act 是 browser 工具中最强大的功能，支持丰富的 UI 操作：

• click: 点击元素
• type: 输入文字
• press: 按键操作
• hover: 鼠标悬停
• drag: 拖拽操作
• select: 下拉选择
• fill: 填写表单
• resize: 调整窗口大小
• wait: 等待元素出现
• evaluate: 执行 JavaScript 代码

4. 其他实用功能

• navigate: 导航到指定 URL
• console: 获取浏览器控制台输出
• pdf: 导出页面为 PDF
• upload: 文件上传
• dialog: 处理对话框（alert/confirm/prompt）

配置文件管理

browser 工具支持多实例配置，通过配置文件（profile）实现：

• profiles: 列出所有浏览器配置及状态
• create-profile: 创建新配置，自动分配端口
• delete-profile: 停止浏览器，删除用户数据，从配置中移除
• reset-profile: 清理孤立进程

配置命名规则：

• 只允许小写字母、数字和连字符
• 最大 64 个字符
• 端口范围：18800-18899（支持约 100 个配置）

实战配置示例

1. 基础配置

{
  "browser": {
    "enabled": true,
    "defaultProfile": "chrome"
  }
}

2. 多配置实例

{
  "browser": {
    "enabled": true,
    "defaultProfile": "work-browser",
    "profiles": {
      "work-browser": {
        "port": 18800
      },
      "test-browser": {
        "port": 18801
      }
    }
  }
}

3. 禁用浏览器工具

{
  "tools": {
    "deny": ["browser"]
  }
}

使用小技巧

1. 如何获取可交互元素？

使用 snapshot 命令获取页面快照，然后从返回的结果中提取元素引用（ref）。AI 快照会返回数字引用（如 12），角色快照返回带前缀的引用（如 e12）。

{
  "action": "snapshot",
  "profile": "chrome"
}

2. 执行 UI 操作

{
  "action": "act",
  "profile": "chrome",
  "acts": [
    {
      "kind": "click",
      "ref": 12
    },
    {
      "kind": "type",
      "ref": 15,
      "text": "Hello World"
    }
  ]
}

3. 处理文件上传

{
  "action": "upload",
  "profile": "chrome",
  "path": "/path/to/file.pdf",
  "ref": 20
}

也可以使用 inputRef（ARIA 引用）或 element（CSS 选择器）直接定位文件输入框。

4. 避免过度使用 wait

官方建议：默认情况下避免使用 act → wait 组合。只有在确实没有可靠的 UI 状态可以等待时，才考虑使用 wait。

远程节点支持

browser 工具支持远程节点：

• 如果连接了支持浏览器的节点，工具会自动路由到该节点
• 可以通过 target 参数强制指定目标：sandbox、host 或 node
• 远程配置仅支持附加模式（attach-only），无法远程启动/停止/重置

底层原理

browser 工具基于 Playwright 构建。当系统安装了 Playwright 时，snapshot 命令默认使用 AI 模式，能够生成对 AI 更加友好的页面描述。

对于 JavaScript 渲染的动态页面，官方建议优先使用 browser 工具，而不是 web_fetch（后者更适合静态页面）。

总结

browser 工具是 OpenClaw 自动化能力的重要拼图，它让 AI Agent 能够像人一样操作浏览器。无论是自动化测试、数据采集，还是复杂的 Web 交互流程，browser 工具都能提供稳定、高效的支持。

好了，今天的分享就到这里！小伙伴们如果有关于 browser 工具的问题，欢迎在评论区留言哦～

我是小学子，带你一起探索 AI 技术的无限可能！

---

参考来源

• OpenClaw 官方文档
• 版本信息截至 2026 年 3 月