Overview

Browser Operator 是 Zeus 的浏览器自动化扩展，允许 AI Agent 控制用户浏览器执行自动化任务。

概述

Browser Operator 通过 Chrome 扩展实现，让 AI 能够：

导航到网页
点击元素
填写表单
提取内容
截取屏幕截图
执行 JavaScript

安装

从 Chrome Web Store

访问 Chrome Web Store
搜索 “Zeus Browser Operator”
点击”添加至 Chrome”
确认安装

开发者模式安装

下载扩展源码
打开 chrome://extensions
开启”开发者模式”
点击”加载已解压的扩展程序”
选择扩展目录

架构

连接流程

1. 安装扩展

安装后，扩展会在工具栏显示 Zeus 图标。

2. 登录授权

点击扩展图标
登录 Zeus 账号（或扫码登录）
授权扩展访问权限

3. 建立连接

支持的操作

操作	描述	参数
`browser_navigate`	导航到 URL	`url`
`browser_back`	返回上一页	-
`browser_forward`	前进	-
`browser_refresh`	刷新页面	-

元素交互

操作	描述	参数
`browser_click`	点击元素	`ref`
`browser_type`	追加输入文本	`ref`, `text`
`browser_fill`	清空并输入文本	`ref`, `text`
`browser_select`	选择下拉选项	`ref`, `value`
`browser_hover`	鼠标悬停	`ref`

页面操作

操作	描述	参数
`browser_scroll`	滚动页面	`direction`, `amount`
`browser_screenshot`	截取屏幕	`fullPage`
`browser_get_text`	获取元素文本	`ref`
`browser_snapshot`	获取页面结构	-

高级操作

操作	描述	参数
`browser_wait`	等待指定时间	`seconds`
`browser_execute_js`	执行 JavaScript	`script`
`browser_handle_dialog`	处理对话框	`accept`, `promptText`

元素引用 (ref)

Browser Operator 使用元素引用 (ref) 来标识页面元素。

获取 ref

使用 browser_snapshot 获取页面结构，返回包含 ref 的元素列表。每个元素包含 ref（唯一标识符）、tag（HTML 标签）、text（元素文本）等信息。

使用 ref

获取到 ref 后，可以在后续操作（如 browser_click、browser_fill）中使用该 ref 来精确定位目标元素。

安全机制

权限控制

per-action approval - 每个操作可配置是否需要用户确认
domain restrictions - 可限制只在特定域名操作
action logging - 所有操作都有日志记录

沙盒环境

扩展在沙盒环境运行
无法访问浏览器敏感数据（如密码、Cookies）
无法访问其他扩展的数据

认证安全

使用 JWT Token 认证
Token 定期刷新
支持设备撤销

使用场景

表单自动填写

用户: 帮我填写这个注册表单

Zeus: 我将使用 Browser Operator 自动填写表单。
1. 首先获取页面结构...
2. 找到输入框并填写信息...
3. 点击提交按钮...

网页数据提取

用户: 提取这个页面上的所有产品信息

Zeus: 我来提取页面数据。
1. 分析页面结构...
2. 定位产品元素...
3. 提取名称、价格、描述...

自动化测试

用户: 测试这个登录流程

Zeus: 我将执行登录测试。
1. 导航到登录页...
2. 输入测试凭证...
3. 点击登录...
4. 验证登录成功...

故障排除

扩展显示”未连接”

检查是否已登录
刷新扩展（在 chrome://extensions 点击刷新）
检查 WebSocket 服务器是否运行
查看浏览器控制台错误

操作执行失败

确保页面已完全加载
检查元素 ref 是否有效
尝试使用 browser_snapshot 更新元素列表
检查是否有弹窗阻止操作

截图空白

等待页面渲染完成
检查是否有 iframe 内容
尝试使用 fullPage: false 参数

MCP 服务器

Browser Operator 也作为 MCP 服务器运行，可以被其他 MCP 客户端调用。所有浏览器操作工具（如 browser_navigate、browser_click 等）均通过标准 MCP 协议暴露。

Web

桌面应用

Chrome 扩展

iOS

Android

CLI

概述

安装

从 Chrome Web Store

开发者模式安装

架构

连接流程

1. 安装扩展

2. 登录授权

3. 建立连接

支持的操作

导航

元素交互

页面操作

高级操作

元素引用 (ref)

获取 ref

使用 ref

安全机制

权限控制

沙盒环境

认证安全

使用场景

表单自动填写

网页数据提取

自动化测试

故障排除

扩展显示”未连接”

操作执行失败

截图空白

MCP 服务器

与 Lingda 平台集成

认证流程

工具调用流程

​概述

​安装

​从 Chrome Web Store

​开发者模式安装

​架构

​连接流程

​1. 安装扩展

​2. 登录授权

​3. 建立连接

​支持的操作

​导航

​元素交互

​页面操作

​高级操作

​元素引用 (ref)

​获取 ref

​使用 ref

​安全机制

​权限控制

​沙盒环境

​认证安全

​使用场景

​表单自动填写

​网页数据提取

​自动化测试

​故障排除

​扩展显示”未连接”

​操作执行失败

​截图空白

​MCP 服务器

​与 Lingda 平台集成

​认证流程

​工具调用流程

概述

安装

从 Chrome Web Store

开发者模式安装

架构

连接流程

1. 安装扩展

2. 登录授权

3. 建立连接

支持的操作

导航

元素交互

页面操作

高级操作

元素引用 (ref)

获取 ref

使用 ref

安全机制

权限控制

沙盒环境

认证安全

使用场景

表单自动填写

网页数据提取

自动化测试

故障排除

扩展显示”未连接”

操作执行失败

截图空白

MCP 服务器

与 Lingda 平台集成

认证流程

工具调用流程