浏览器自动化

browser skill 让 agent 做真实浏览器工作——打开页面、点击、输入、读渲染后的状态、截图，以及对一个活动会话跑可复现的 Playwright 脚本。它是一个 skill，不是内置工具，且作为后台任务运行。本页是运维视角：这个 skill 是什么、何时开启、agent 对浏览器能做什么、不能做什么。

先把决定性的性质说清楚：每个 agent 会话只有一个浏览器所有者，就是运行时，不是 agent。agent 通过 worker 镜像注入的预配置 ankole-browser CLI 来驱动浏览器。它绝不能自己启动 Chromium，也不能调用 chromium.connectOverCDP——这两者会造出第二个所有者，绕过会话恢复。

浏览器自动化是什么

Ankole 里的浏览器自动化就是 browser 这个 skill，源在 app/library/skills/browser/SKILL.md。它是内置 skill（default_enabled: true），标注为后台任务运行时（ankole-runtime: background_job）。agent 调用它时，工作跑在一个后台任务里，与拥有它的回合隔离，针对一个运行时拥有的真实 Chromium 会话。

skill 自带的 description 是模型判断要不要用它的契约：当工作依赖渲染后的页面状态、交互、截图、持久登录态，或可复现的 Playwright 工作流时用浏览器；普通发现和文本抽取请优先用 web_search 或 web_fetch。

何时用浏览器

浏览器是重路径。只有 fetch 不够时才用它。具体地：

渲染交互——页面只有在 JavaScript 跑完、或者你点击、滚动、填字段之后才显示你需要的数据。
持久登录态——你需要运行时已经认证过的会话，而简单的 fetch 无法复现那个登录。
截图——任务需要视觉产物，或者需要人看到页面状态。
可复现的 Playwright 工作流——同一个多步浏览器流程要跑不止一次。

只想找一个页面或读它的文本时，请用 web_search 或 web_fetch。browser skill 自己也这么说：这两个工具在本 skill 之外；当不需要渲染交互、登录态、截图、浏览器侧代码时，优先用它们。fetch 更便宜、更快，也不占用浏览器会话。

如何启用

browser 是 skill，所以你通过 Agent Library 开启它，而不是通过工具开关。因为 default_enabled 是 true，新建的 agent 默认就有浏览器，除非你收窄它。两层：

实例级默认值——Skill 默认设置 default_enabled: true。保持这个值时，每个 Agent 都可以使用浏览器。
按 agent 覆盖——为不该有浏览器的 agent 收窄它，或为你之前收窄过的 agent 放开它。

两层都通过 Console 的 library-capability 路由设置，见 Console API 参考。读某个 agent 的 library-capabilities 会触发一次 skill 同步，所以你看到的是注册表对当前文件系统重对账后的结果，不是过期快照。

运行时注入了什么

agent 自己不选浏览器配置。browser 任务启动前，运行时把任务所需的一切都注入进来，这些值对 agent 是不透明的：

一条通往运行时拥有的浏览器会话的不透明 route
最终 browser material（agent 要驱动的、准备好的会话）
一个 CLI 通信用的 daemon socket
一个存放截图和其他产物的 artifact root

agent 通过 ankole-browser CLI 来使用这些。app/agent_computer/src/browser-runtime/index.ts 里的 BrowserRuntime 类拥有 materializer、daemon supervisor 和 web-fetch adapter，所以浏览器会话的生命周期是运行时的职责。agent 的职责是调 CLI。

那条约束：只有一个浏览器所有者

这是 agent 不能违反的规则。运行时是浏览器所有者。agent 必须：

一切操作都用预配置的 ankole-browser CLI——open、snapshot、click、fill、screenshot、batch，以及跑 Playwright 脚本时用 run。
不自己启动 Chromium。
不调用 chromium.connectOverCDP，也不去找 profile 名、凭证、provider 配置、CDP 端点或控制面标识。

原因是恢复。运行时拥有 daemon supervisor、materializer 和会话恢复路径。第二个所有者——agent 拉起的 Chromium，或 agent 打开的 CDP 连接——在这条路径之外。运行时要恢复、检查点或拆除会话时，看不到也控制不了 agent 的旁路通道，于是会话进入不一致状态。预配置的 CLI 是唯一且受管的入口，也是 agent 唯一该碰的。

agent 如何驱动浏览器

ankole-browser CLI 给 agent 三种执行面，按工作形态挑选：

短 CLI 命令用于探索和一两个确定性动作——open、snapshot -i、click @e2、fill @e4 "value"、screenshot。
batch 用于已知的短序列，接收引号包裹的命令或 stdin 上的 argv 数组数组，套用与单条命令相同的解析器。
run 用于 ESM JavaScript 文件，当任务需要循环、分支、重复抽取、弹窗/下载/响应协调、精确等待，或要在内存里保留多个值时。run 把原生 Playwright 对象挂到 CLI 命令使用的同一个物理浏览器会话上，所以脚本和 CLI 步骤共享一个会话。

最后这点很重要：run 不开第二个浏览器。它复用运行时拥有的会话，所以即使在 Playwright 脚本里，单一所有者规则也成立。

运维不该碰的东西

浏览器的环境变量由 worker 镜像设置，不是运维可调的。它们包括 ANKOLE_BROWSER_CHROMIUM_EXECUTABLE、ANKOLE_BROWSER_CHROMIUM_ARGS_JSON、ANKOLE_BROWSER_DAEMON_SOCKET、ANKOLE_BROWSER_DAEMON_ENTRY、ANKOLE_BROWSER_CLI、ANKOLE_BROWSER_NODE、ANKOLE_BROWSER_RUNNER。这些名称不能在 Console 的“环境变量”中覆盖。如果需要不同的浏览器行为，请修改 Skill。

下一步

打开浏览器所依赖的 skill 与启用模型，读 Agent Library。
更轻的替代方案——不带浏览器的搜索与文本 fetch——读 Web 工具。
浏览器所在的后台任务，读后台 Agent 任务。