browser-automation

AI 网页界面的浏览器自动化

通过浏览器自动化使用你的 ChatGPT Plus 和 Gemini Advanced 订阅。无需 API 费用，只需支付月度订阅费。

---

工作原理

┌─────────────────────────────────────────────────────────────────┐
│                    BROWSER AUTOMATION FLOW                       │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  Your Prompt ──► Playwright MCP ──► Browser Instance            │
│                                           │                      │
│                              ┌────────────┴────────────┐        │
│                              ▼                         ▼        │
│                      ┌─────────────┐           ┌─────────────┐  │
│                      │  ChatGPT    │           │   Gemini    │  │
│                      │  chat.openai│           │   gemini.   │  │
│                      │  .com       │           │   google.com│  │
│                      └──────┬──────┘           └──────┬──────┘  │
│                             │                         │         │
│                             ▼                         ▼         │
│                      Response captured & returned to you        │
│                                                                  │
└─────────────────────────────────────────────────────────────────┘

---

前提条件

1. 必须启用 Playwright MCP

你已配置 Playwright MCP。请确认其正常运行：

Use browser_snapshot to check if browser is available

2. 登录会话

浏览器自动化会使用已保存的会话。你需要登录一次：

首次设置：

1. 前往 ChatGPT/Gemini
2. 使用你的凭据登录
3. 会话会保存，以供后续使用

---

ChatGPT 自动化

分步工作流

步骤 1：前往 ChatGPT

browser_navigate → https://chat.openai.com

步骤 2：检查是否已登录

browser_snapshot → Look for chat input or login button

步骤 3：如果尚未登录，请进行身份验证

browser_click → "Log in" button
browser_type → Enter email
browser_click → Continue
browser_type → Enter password
browser_click → Log in

步骤 4：开始新聊天

browser_click → "New chat" button (or navigate to chat.openai.com)

步骤 5：输入你的提示词

browser_type → Your prompt text in the message input

步骤 6：提交并等待

browser_click → Send button
browser_wait_for → Wait for response to complete

步骤 7：获取回复

browser_snapshot → Get the response text

示例：ChatGPT 写作任务

I will now use browser automation to get ChatGPT's response:

1. browser_navigate to https://chat.openai.com
2. browser_snapshot to see current state
3. browser_type to enter prompt in textarea
4. browser_click to send
5. browser_wait_for response
6. browser_snapshot to capture output

---

Gemini 自动化

分步工作流

步骤 1：前往 Gemini

browser_navigate → https://gemini.google.com

步骤 2：检查是否已登录

browser_snapshot → Look for chat input

步骤 3：输入你的提示词

browser_type → Your prompt in the input area

步骤 4：提交

browser_press_key → Enter (or click send button)

步骤 5：等待并获取结果

browser_wait_for → Response generation
browser_snapshot → Get response

---

实用命令

用于 Claude Code 会话

如果你希望我使用浏览器自动化，请这样说：

"Use browser automation to ask ChatGPT: [your prompt]"
"Get Gemini's take on: [your prompt]"
"Compare browser outputs for: [your prompt]"

随后我会：

1. 使用 Playwright MCP 工具
2. 前往相应网站
3. 输入你的提示词
4. 获取并返回回复

---

处理身份验证

会话持久性

浏览器自动化在会话持久化的情况下效果最佳：

# The Playwright MCP maintains browser state
# Once logged in, sessions typically persist

如果会话过期

如果你看到登录界面：

1. ChatGPT：找到“Log in”按钮并点击
2. Gemini：找到“Sign in”按钮并点击
3. 完成身份验证流程
4. 继续自动化操作

双重身份验证

如果需要 2FA：

1. 自动化操作会在 2FA 界面暂停
2. 由你手动完成 2FA
3. 自动化操作将继续

---

限制

浏览器自动化注意事项

限制	解决方法
比 API 慢	用于比较，不要用于批量任务
界面变化可能导致故障	报告问题，我会进行适配
需要有效会话	保持浏览器开启
仍受速率限制	不要频繁发送请求
可能遇到 CAPTCHA	可能需要手动处理

不要使用浏览器自动化的情况

• 批量生成内容（改用 GLM-4.7 API）
• 时间紧迫的任务（API 速度更快）
• 全自动化流水线（API 更可靠）

适合使用浏览器自动化的情况

• 比较写作风格
• 使用仅限 Plus/Advanced 的功能
• 测试最新模型版本
• API 服务中断时

---

比较工作流

从多个来源获取相同提示词的回复

Step 1: Write with Claude (default, in this conversation)
Step 2: browser_navigate to ChatGPT, get response
Step 3: browser_navigate to Gemini, get response
Step 4: Compare all three side-by-side

请求示例

"Compare how you, ChatGPT, and Gemini would write a tweet about
the cardiovascular benefits of SGLT2 inhibitors"

我会：

1. 撰写我的版本（Claude）
2. 使用浏览器自动化获取 ChatGPT 的版本
3. 使用浏览器自动化获取 Gemini 的版本
4. 提供全部三个版本供比较

---

故障排除

浏览器无响应

browser_close → Close current browser
Then start fresh with browser_navigate

加载了错误的页面

browser_snapshot → Check current state
browser_navigate → Go to correct URL

找不到元素

browser_snapshot → Get fresh page state
Look for correct element reference
Retry with updated reference

会话已退出

browser_navigate → Go to login page
Complete login flow
Resume automation

---

与 Multi-Model Writer 集成

此技能可与 multi-model-writer 配合使用：

API Models:
- /write-glm → Z.AI API
- /write-gpt → OpenAI API
- /write-gemini → Google AI Studio API

Browser Models:
- /browser-chatgpt → ChatGPT Plus web
- /browser-gemini → Gemini Advanced web

使用 API，速度更快、可靠性更高。 使用浏览器，访问仅限订阅用户使用的功能或进行比较。

---

会话示例

User: "Use browser to compare how ChatGPT writes about statins"

Claude: I'll get ChatGPT's perspective using browser automation.

[Uses browser_navigate to https://chat.openai.com]
[Uses browser_snapshot to verify page state]
[Uses browser_type to enter: "Write a patient-friendly explanation of how statins work"]
[Uses browser_click to send]
[Uses browser_wait_for to wait for response]
[Uses browser_snapshot to capture response]

Here's what ChatGPT wrote:
[Response text]

Compared to my approach:
[Claude's version]

Key differences:
- ChatGPT emphasized X while I focused on Y
- Tone: ChatGPT more conversational, mine more clinical
- Length: Similar word count

---

浏览器自动化让你能够以编程方式使用付费订阅服务，为你的工具库中的 API 模型提供补充。