页面元素基础交互
interact_elementPerform DOM actions in a browser page—click, fill, wait, hover, select, press, type, or read text—using Playwright selectors. Failed actions return structured errors with screenshots for easier retry.
Instructions
在当前页面上执行基础 DOM 操作。action 取值:click=点击;fill=填写输入框(自动兼容受控组件,失败会降级为模拟键入);wait_for=等待元素出现/可见/隐藏;hover=鼠标悬停;select=选择下拉项(text 传选项文案);press=发送按键(text 传按键名,如 Enter);type=用真实键盘事件逐字输入(专用于 xterm/Canvas 这类"看不见输入框"的 Web 终端,例如腾讯云 OrcaTerm 在线终端;selector 传终端容器用于点击取得焦点,传 body 表示直接往当前焦点输入,配合 submit=true 会在输入完按 Enter);get_text=读取元素文本。selector 支持 Playwright 全部选择器语法:CSS、text=文字、xpath=//...、以及 :has-text() 等扩展伪类。所有操作失败时返回结构化错误并附上当前页面截图,便于 LLM 修正选择器后重试。
Input Schema
| Name | Required | Description | Default |
|---|---|---|---|
| nth | No | 匹配到多个元素时取第几个(从 0 开始),默认 0。 | |
| text | No | fill 的填写内容(空串表示清空);select 的选项文案;press 的按键名;type 要输入的内容(可含 shell 命令)。click/wait_for/hover/get_text 不需要。 | |
| delay | No | 仅 type 有效:每个字符之间的间隔毫秒数,默认 30;Web 终端建议不要低于 20,否则可能丢字符。 | |
| force | No | 常规点击被遮挡时是否降级为 force 点击(默认 true,会在返回中标注)。 | |
| state | No | 仅 wait_for 有效:等待的目标状态,默认 visible。 | visible |
| action | Yes | 要执行的动作。 | |
| submit | No | 仅 type 有效:输入完成后是否按一次 Enter(提交 shell 命令用),默认 false。 | |
| cdpPort | No | 可选:CDP 调试端口。省略时沿用当前已连接的端口(从未连接过则为 9222)。 | |
| selector | Yes | 元素选择器,例如 "button:has-text('保存')"、"#login-email"、"xpath=//input[@name='q']"。 | |
| timeoutMs | No | 超时毫秒数,默认 10000。 | |
| pageUrlContains | No | 可选但强烈建议在多标签场景下使用:用 URL 片段指定要操作的标签页(例如 "orcaterm" 指 Web 终端、"lighthouse" 指控制台)。不传时工具按"刚新打开的标签页 → 上次操作过的标签页 → 最后一个普通标签页"的顺序自动选择,可能会选错。 | |
| frameUrlContains | No | 可选:目标元素位于 iframe 内时,用 URL 片段定位对应 frame。 |