create-feishu-doc

Feishu ドキュメント作成の自動化

目的

ブラウザー自動化を使用して UI を操作し、認証を行い、指定したタイトルとコンテンツでドキュメントを作成することで、Feishu（Lark）ワークスペースで新しいドキュメントを作成するプロセスを自動化します。

前提条件

• Feishu ワークスペースへのアクセス権（https://leiniao-ibg.feishu.cn）
• ワークスペースの有効な認証情報
• agent-browser によるブラウザー自動化機能

ワークフロー

ステップ 1：ブラウザー自動化スキルを読み込む

Skill ツールを使用して office:agent-browser スキルを読み込み、ブラウザー自動化コマンドを利用できるようにします。

ステップ 2：Feishu Drive に移動する

Feishu Drive のホームページを開きます。

agent-browser open https://leiniao-ibg.feishu.cn/drive/home/

ページが読み込まれるまで待ちます。

agent-browser wait --load networkidle

ステップ 3：認証を確認する

すでにログインしているか確認するため、スナップショットを取得します。

agent-browser snapshot -i

ログインが必要な場合は、ユーザーが手動で認証を完了するまで待つか、ページの状態に応じて認証フローを処理します。

ステップ 4：新しいドキュメントを作成する

「新建」（新規）ボタンをクリックします（スナップショットを使用して要素の参照先を特定します）。

agent-browser snapshot -i
# Locate "新建" button ref (e.g., @e1)
agent-browser click @e1

ドロップダウンメニューが表示されるまで待ちます。

agent-browser wait 1000

もう一度スナップショットを取得し、「文档」（ドキュメント）オプションを特定します。

agent-browser snapshot -i
# Locate "文档" button ref (e.g., @e2)
agent-browser click @e2

ステップ 5：新しいドキュメントの種類を選択する

サブメニューから「新建空白文档」（新しいドキュメント）オプションをクリックします。

agent-browser wait 1000
agent-browser snapshot -i
# Locate "新建空白文档" button ref (e.g., @e3)
agent-browser click @e3

ステップ 6：新しいタブを待つ

新しいドキュメントが新しいタブで開くまで待ちます。

agent-browser wait --load networkidle

タブを確認して、新しいドキュメントページが開いたことを確認します。

agent-browser tab

複数のタブがある場合は、新しいタブ（通常は最後のタブ）に切り替えます。

agent-browser tab 2  # Adjust index based on tab list

ステップ 7：ドキュメントのタイトルを入力する

ページでは通常、タイトル入力フィールドに自動的にフォーカスが移動します。デフォルトでタイトルフィールドにフォーカスしている場合は、そのままタイトルを入力します。

agent-browser type @e1 "Document Title Here"

自動的にフォーカスしない場合は、スナップショットを取得してタイトル入力欄を特定します。

agent-browser snapshot -i
# Locate title input ref (e.g., @e1)
agent-browser fill @e1 "Document Title Here"

ステップ 8：ドキュメントのコンテンツを入力する

Tab キーを押すかクリックして、コンテンツ領域に移動します。

agent-browser press Tab

または、コンテンツエディターを特定してクリックします。

agent-browser snapshot -i
# Locate content editor ref (e.g., @e2)
agent-browser click @e2

ドキュメントのコンテンツを入力します。

agent-browser type @e2 "Document content goes here..."

複数行のコンテンツを入力する場合は、入力内容に改行を含めます。

agent-browser type @e2 "First paragraph

Second paragraph

Third paragraph"

ステップ 9：確認して保存する

最後にスクリーンショットを取得し、ドキュメントが正常に作成されたことを確認します。

agent-browser screenshot

Feishu ドキュメントは自動保存されるため、明示的な保存操作は必要ありません。これでドキュメントを使用できます。

ステップ 10：ブラウザーを閉じる（任意）

作業が完了したら、ブラウザーセッションを終了します。

agent-browser close

エラー処理

認証の問題

認証に失敗した場合やログインが必要な場合：

1. ワークフローを一時停止します
2. 手動でのログインが必要であることをユーザーに伝えます
3. 続行する前に確認を待ちます
4. 認証後、ワークフローを再開します

要素が見つからない場合

スナップショットで想定される UI 要素（ボタンの参照先）を特定できない場合：

1. デバッグのため、-i フラグを付けずに完全なスナップショットを取得します
2. UI が変更されたか、言語設定が異なるかを確認します
3. フォールバックとしてセマンティックロケーターを使用します。

   agent-browser find text "新建" click  # Find "新建" (New) button
   agent-browser find text "文档" click  # Find "文档" (Doc) button
   agent-browser find text "新建空白文档" click  # Find "新建空白文档" (New Doc) button
   

タイムアウトの問題

ページの読み込みに時間がかかりすぎる場合：

1. 待機タイムアウトを延長します：agent-browser wait --load networkidle --timeout 10000
2. ネットワーク接続を確認します
3. Feishu サービスが利用可能か確認します

カスタマイズ

別のワークスペース

別の Feishu ワークスペースで使用するには、ステップ 2 の URL を置き換えます。

agent-browser open https://your-workspace.feishu.cn/drive/home/

ドキュメントテンプレート

空白のドキュメントではなく、特定のドキュメントテンプレートを使用するには：

1. 「Doc」をクリックした後、テンプレートギャラリーに移動します
2. 使用するテンプレートを特定してクリックします
3. タイトルとコンテンツの入力に進みます

ベストプラクティス

1. セッションの再利用：複数のドキュメントを作成する場合は、ブラウザーセッションを開いたままにし、認証状態を再利用します
2. エラー時のスクリーンショット：デバッグのため、重要な各ステップでスクリーンショットを取得します
3. UI の読み込み待ち：UI 要素が読み込まれるよう、ページ遷移後は必ずネットワークがアイドル状態になるまで待ちます
4. 明示的な待機：ドロップダウンメニューをクリックした後などに、明示的な待機（例：agent-browser wait 1000）を使用します

参考資料

ブラウザー自動化リファレンス

ブラウザー自動化のコマンドとパターンの詳細については、以下をご覧ください。

• office:agent-browser スキルを読み込むと、コマンドの完全なリファレンスを確認できます
• agent-browser のドキュメントで、スナップショットと操作のパターンをご覧ください

使用例

# Complete workflow example
agent-browser open https://leiniao-ibg.feishu.cn/drive/home/
agent-browser wait --load networkidle
agent-browser snapshot -i
agent-browser click @e1  # 新建 button
agent-browser wait 1000
agent-browser snapshot -i
agent-browser click @e2  # 文档 button
agent-browser wait 1000
agent-browser snapshot -i
agent-browser click @e3  # 新建空白文档 button
agent-browser wait --load networkidle
agent-browser tab
agent-browser tab 2  # Switch to new tab
agent-browser type @e1 "My Document Title"
agent-browser press Tab
agent-browser type @e2 "My document content..."
agent-browser screenshot