| connect_browser | 连接到浏览器或启动新浏览器 Args:
port: 调试端口，默认9222
headless: 无头模式（不显示浏览器窗口）
incognito: 无痕/隐私模式
user_data_dir: 用户数据目录
带超时控制，默认20秒超时。
|
| new_tab | |
| navigate | |
| click_element | 点击页面元素（智能优化版） ⚠️ 重要提示：使用此工具前，请务必遵循标准化工作流程：
1. 📸 先使用 take_screenshot() 确认目标元素存在
2. 🔍 使用 get_dom_tree() 或 find_elements() 分析页面结构
3. 🎯 基于准确信息构建选择器，禁止猜测元素名称
🎯 选择器优先级（推荐顺序）：
- ID选择器：#element-id （最优先）
- CSS类选择器：.class-name
- 属性选择器：[data-testid="value"]
- XPath选择器：//div[@class="example"]
- 文本匹配：仅作为辅助手段
Args:
selector: 元素选择器（禁止猜测，必须基于实际DOM结构）
selector_type: 选择器类型 (css, xpath, text)
index: 元素索引（当有多个匹配时，从0开始）
smart_feedback: 是否启用智能反馈（推荐True）
Returns:
str: 操作结果和反馈信息
💡 最佳实践示例：
- 正确：先 find_elements("button") 确认按钮存在，再 click_element("#submit-btn")
- 错误：直接 click_element("#可能存在的按钮") 而不确认元素
|
| input_text | 在输入框中输入文本（智能优化版） ⚠️ 重要提示：使用此工具前，请务必遵循标准化工作流程：
1. 📸 先使用 take_screenshot() 确认输入框存在且可见
2. 🔍 使用 find_elements() 验证输入框的选择器
3. 🎯 基于准确的DOM信息构建选择器
🎯 输入框选择器优先级：
- ID选择器：#input-id （最优先）
- name属性：[name="username"]
- CSS类选择器：.form-input
- XPath选择器：//input[@type="text"]
Args:
selector: 输入框选择器（必须基于实际DOM结构，禁止猜测）
text: 要输入的文本内容
clear_first: 是否先清空输入框（推荐True避免内容叠加）
Returns:
str: 输入操作结果和反馈信息
💡 最佳实践示例：
- 正确：先 find_elements("input[type='text']") 确认输入框，再输入文本
- 错误：直接对未确认的选择器输入文本
|
| get_element_text | 获取元素文本内容（精确定位版） ⚠️ 重要提示：这是预处理工具，用于获取精确的元素信息！
使用场景：
1. 🔍 在点击或输入操作前，验证目标元素的实际文本内容
2. 📋 获取页面动态内容，如表格数据、状态信息等
3. ✅ 确认元素存在性和可见性
🎯 选择器构建原则：
- 必须基于 get_dom_tree() 或 find_elements() 的结果
- 禁止猜测元素选择器
- 优先使用ID、class、属性选择器
Args:
selector: 元素选择器（必须基于实际DOM结构）
Returns:
str: 元素的文本内容，如果元素不存在则返回错误信息
💡 最佳实践示例：
- 正确：先 find_elements(".status") 确认元素，再 get_element_text(".status")
- 错误：直接 get_element_text("#可能的状态元素") 而不确认
|
| get_page_text | 获取页面完整文本内容（预处理必备工具） ⚠️ 核心预处理工具：这是标准化工作流程的第2步！
🔧 主要用途：
1. 🔍 在操作元素前，获取页面的完整文本信息
2. 📋 为非多模态LLM提供详细的页面内容描述
3. 🎯 帮助构建精确的元素选择器
4. ✅ 确认页面加载完成和内容可用性
💡 与其他工具的配合使用：
- 配合 take_screenshot()：视觉+文本双重确认
- 配合 get_dom_tree()：结构化分析页面布局
- 配合 find_elements()：基于文本内容定位元素
Returns:
str: 页面的完整可见文本内容（去除HTML标签）
🚀 推荐工作流程：
1. take_screenshot() - 获取页面截图
2. get_page_text() - 获取页面文本（当前步骤）
3. get_dom_tree() - 分析页面结构
4. 基于以上信息执行具体操作
|
| take_screenshot | 截取页面截图（标准化工作流程第1步） ⚠️ 核心预处理工具：这是标准化工作流程的第1步！
🎯 主要用途：
1. 🔍 视觉确认：在任何元素操作前，先确认目标元素存在
2. 📋 为多模态LLM提供视觉上下文信息
3. 🐛 调试辅助：操作失败时用于问题诊断
4. 📝 文档记录：保存操作过程的视觉证据
💡 与其他工具的配合：
- 多模态LLM：截图 → 视觉分析 → 精确操作
- 非多模态LLM：截图 → get_page_text() → get_dom_tree() → 操作
Args:
filename: 截图文件名（可选，自动生成时间戳命名）
full_page: 是否截取完整页面（True）还是可视区域（False）
element_selector: 仅截取特定元素（可选）
Returns:
str: 截图保存路径和操作结果
🚀 推荐使用场景：
- 每次页面导航后立即截图确认加载状态
- 点击、输入等操作前截图确认目标元素
- 操作失败时截图辅助问题诊断
|
| get_screenshot_data | |
| get_dom_tree | 获取DOM树结构（结构化分析工具） ⚠️ 核心分析工具：这是标准化工作流程的第3步！
🎯 主要用途：
1. 📋 获取页面的层次化结构信息
2. 🔍 为元素定位提供精确的选择器路径
3. 🎯 分析页面布局，理解元素间的父子关系
4. 🛠️ 为非多模态LLM提供详细的结构化信息
💡 与其他工具的协作：
- 在 take_screenshot() 和 get_page_text() 之后使用
- 为 find_elements() 提供选择器构建依据
- 配合 get_element_text() 验证元素内容
Args:
selector: 起始选择器（默认"body"获取整个页面结构）
max_depth: 最大遍历深度（默认10层，避免过深嵌套）
Returns:
str: 结构化的DOM树信息，包含标签、属性、层级关系
🚀 使用建议：
- 首次分析页面：使用默认参数获取完整结构
- 聚焦特定区域：指定具体的selector缩小范围
- 复杂页面：适当减少max_depth避免信息过载
|
| find_elements | 查找页面元素（智能定位工具） ⚠️ 精确定位工具：基于DOM分析结果进行元素查找！
🎯 主要用途：
1. 🔍 基于get_dom_tree()结果，精确定位目标元素
2. 📋 验证元素存在性和可访问性
3. 🎯 获取元素的详细属性信息（id、class、text等）
4. 🛠️ 为后续操作提供准确的选择器
💡 选择器类型优先级：
1. CSS选择器：#id、.class、[attribute]（推荐）
2. XPath：//div[@class='example']（复杂定位）
3. 文本匹配："按钮文字"（辅助手段）
Args:
selector: 元素选择器（必须基于实际DOM结构）
selector_type: 选择器类型（css/xpath/text）
limit: 返回元素数量限制（避免结果过多）
include_similar: 是否包含相似元素（智能匹配）
Returns:
str: 匹配元素的详细信息列表
🚀 最佳实践：
- 先用get_dom_tree()分析页面结构
- 基于结构信息构建精确选择器
- 验证找到的元素是否为目标元素
- 将结果用于click_element()或input_text()操作
Returns:
str: 查找结果
|
| enable_network_monitoring | 启用网络监控 Args:
filter_types: 需要监听的mimeType类型列表
Returns:
str: 启用结果
|
| get_network_logs | 获取网络请求日志 Args:
limit: 返回日志的最大数量
Returns:
str: 网络日志数据
|
| save_page_source | |
| get_cookies | |
| execute_javascript | |
| run_cdp_command | |
