tonyhzk/chrome-agent-skill

Навык Claude Code для автоматизации браузера с помощью связи WebSocket с расширением Chrome, позволяющий веб-навигацию, взаимодействие, скриншоты и снимки страниц.

** Английский ** | 中 | Changelog

Особенности

###Основные возможности ** Навигация по страницам ** Навигация по URL-адресам, назад/вперёд

• ** Взаимодействие элементов** - Нажмите (ref или координаты), зависание, текст типа, параметры выбора, элементы перетаскивания ** Элементы поиска** - элементы поиска по ключевому слову, получить координаты элементов
• Multi-Tab Management - Список, открытый, переключатель, закрытие вкладок -Скриншоты - захват видимой страницы в виде PNG (за исключением файла или возврата base64) ** Снимки страниц ** - Получите дерево доступности ARIA для структурированного анализа страниц Page Content - Получить простой текстовый контент, полный исходный код HTML Keyboard Input - Нажмите любой ключ, отправьте формы Console Logs - вывод консоли браузера

Архитектура

Сервер взаимодействует с расширением Browser MCP Chrome через WebSocket. Команды отправляются как JSON через stdin, а результаты возвращаются через stdout.

Дополнительные инструменты

Batch URL Resolver - Решайте URL-адреса перенаправления оптом через HTTP-запросы (не требуется браузер)

Системные требования

---

Features

Core Capabilities

• Page Navigation - Navigate to URLs, go back/forward
• Element Interaction - Click (ref or coordinates), hover, type text, select options, drag elements
• Element Search - Search elements by keyword, get element coordinates
• Multi-Tab Management - List, open, switch, close tabs
• Screenshots - Capture visible page as PNG (save to file or return base64)
• Page Snapshots - Get ARIA accessibility tree for structured page analysis
• Page Content - Get plain text content, full HTML source code
• Keyboard Input - Press any key, submit forms
• Console Logs - Retrieve browser console output

Architecture

The server communicates with the Browser MCP Chrome extension over WebSocket. Commands are sent as JSON via stdin, and results are returned via stdout.

Additional Tools

• Batch URL Resolver - Resolve redirect URLs in bulk via HTTP requests (no browser required)

---

System Requirements

---

Installation

1. Clone the Repository

git clone https://github.com/Tonyhzk/chrome-agent-skill.git

2. Install the Chrome Extension

1. Open chrome://extensions/ in Chrome
2. Enable Developer mode
3. Unzip the .zip extension package from src/browser-chrome-agent/assets/, then click “Load unpacked” and select the unzipped directory; or load the src/browser-mcp-crx/ source directory directly
4. Pin the Browser MCP extension for easy access

3. Install Python Dependencies

pip3 install websockets

4. Set Up Shared Configuration (Optional)

If you use a shared .claude configuration across projects:

python3 setup_claude_dir.py

This creates a symlink from the project’s .claude directory to your shared configuration.

---

Quick Start

1. Start the WebSocket Server

python3 src/browser-chrome-agent/scripts/server.py --port 9009

2. Connect the Extension

Click the Browser MCP extension icon in Chrome and click Connect.

3. Send Commands

Send JSON commands via stdin (one per line):

{"action": "navigate", "params": {"url": "https://example.com"}}
{"action": "snapshot", "params": {}}
{"action": "click", "params": {"ref": "s1e5"}}
{"action": "screenshot", "params": {"savePath": "./screenshot.png"}}

---

Available Actions