@dsh-external/dsh-browser-use
DSH 浏览器操作：ARIA 快照优先的导航/点击/输入/截图/多标签工具 + 右侧栏实时投屏面板
插件会安装到这里；不确定时保持 web。
npx -y @deepseek-ai/dsh plugin --profile web add github:hu568/dsh-plugin-browser-use#42ed160c77737b1e303f027b4d523ff8a90e8d58Browser Use 以 @dsh-external/dsh-browser-use 发布，当前版本为 0.1.2。Plugin Hub 会校验它的 manifest，并保存精确安装来源，便于复现安装结果。
DSH 的浏览器操作能力：让 Agent 真正驱动本机 Chromium 打开、阅读、点击、输入、截图网页， 并提供一个可实时观看的右侧栏面板。
移植自 ZCode 的 browser-use-plugin /
control-browser 技能，把它的「ARIA 快照优先」操作范式落到 DSH 的工具、提示段与 UI 上。
| 许可证 | MIT，见 LICENSE（含 NOTICE 中的 ZCode / Apache-2.0 署名） |
| 安装规格 | github:hu568/dsh-plugin-browser-use |
| 实测 DSH | 0.1.5-rc.1 ~ 0.1.7-rc.2 |
| 运行依赖 | playwright-core ^1.56.1（从 npm registry 拉取）；浏览器用本机已缓存的 Chrome for Testing |
# DSH 内置插件管理器（创造模式）：
# plugin_manager action=install_bundle target="github:hu568/dsh-plugin-browser-use"
# 或命令行。桌面端（Electron）profile 由应用独占管理，请改用插件管理器或「设置 → 插件」：
dsh plugin --profile <profile> add github:hu568/dsh-plugin-browser-use
安装后本包被追加进 profile 的 dsh.profile.bundles，其 cordis.patch.yml 作为组合包层
把 dsh-browser-use 这一行插进宿主组合。profile 在运行中通常即时生效，否则重启一次 DSH。
浏览器懒启动：第一次调用 browser_open 时才拉起，插件卸载/热重载时释放。
实现注记：取
webServer服务时不能只用裸ctx.get('webServer')。宿主 webserver 的 fiber 要等 socket 绑定完成才 ACTIVE，而 cordis 的ctx.get()默认strict=true，加上 Loader 并行启动 entry，插件apply常常早于它就绪，此时那个判空会静默跳过 ⇒ 面板路由一条都不注册 ⇒ 面板永远 HTTP 404。本包先把面板注册包成函数，拿不到服务就挂作用域ctx.inject(['webServer'], …)等就绪后补注册（与dsh-whale-widget同款等待方式）。
| 部分 | 位置 | 说明 |
|---|---|---|
| Host 插件 | lib/index.js | 浏览器会话管理 + 10 个模型工具 + 面板路由 |
| Client 面板 | lib/client.js | 手写 ModuleLoader 包，注册右侧栏 browser 标签页与会话头部按钮 |
| 技能 | skills/control-browser/SKILL.md | 经 ctx.skills.register() 注入本会话技能目录 |
| 提示段 | lib/index.js 内 | 常驻系统提示的工作流约束（不依赖技能被发现） |
| 工具 | 作用 |
|---|---|
browser_open | 打开 URL 并返回快照；同源默认复用标签页 |
browser_snapshot | 读 ARIA 快照（元素带 [ref=…]），定位与阅读的主要手段 |
browser_click | 按 ref 点击 / 双击 |
browser_type | 按 ref 填文本，可选回车提交 |
browser_press | 发送按键 |
browser_navigate | back / forward / reload / goto |
browser_tabs | list / new / select / close |
browser_wait | 等 ref 可见、等文本、等固定毫秒 |
browser_eval | 页面上下文求值，返回 JSON |
browser_screenshot | 截图并作为图片内容块返回 |
| 路由 | 作用 |
|---|---|
GET /browser-panel/state | 运行状态、标签列表、当前 URL/标题、视口尺寸、是否持久化 profile |
GET /browser-panel/stream | multipart/x-mixed-replace 实时画面（MJPEG） |
POST /browser-panel/navigate | {"url":"…"} 让 AI 的浏览器前往 |
POST /browser-panel/open-local | {"url":"…"} 用用户自己的桌面浏览器打开 |
POST /browser-panel/input | 转发用户输入，见下 |
路由前缀不带
api段（对比：dsh-persona-memory是/persona-memory/api/…）。
open-local 的启动器按平台区分：
powershell.exe（从 C:\Windows\System32\WindowsPowerShell\v1.0\ 与 SysWOW64 探测，
再从 PATH 解析），首选能 PassThru 回显进程名。cmd.exe（ComSpec 或 C:\Windows\System32\cmd.exe），/c start "" "<url>"——
第一个空字符串是窗口标题占位，避免 URL 含空格 / & 时被 cmd 解析吞掉。/mnt/c/Windows/... 下的 PowerShell / cmd（cmd 的
cwd 必须为 Windows 路径，否则 UNC 工作目录会告警）→ wslview → xdg-open。坑：不要用
explorer.exe开 URL。它是文件资源管理器，传 URL 进去弹的是资源管理器窗口 而不是浏览器——这是初版的实际 bug。URL 要走 ShellExecute 语义。
投屏以 CDP Page.startScreencast 为主（页面变化即出帧），并配一个 1.5s 兜底帧泵：
静态页面不会产帧，没有兜底的话「冷连接」的观看端会永久空等。
面板不是只读的。/browser-panel/input 接受：
kind | 字段 | 派发到 |
|---|---|---|
move / down / up / click | x,y,button | page.mouse.*（支持拖拽、右键） |
wheel | x,y,deltaX,deltaY | page.mouse.wheel |
text | text | page.keyboard.insertText |
key | key | page.keyboard.press |
坐标由面板按 视口尺寸 / 图片显示尺寸 换算成页面 CSS 坐标后再发。
客户端把鼠标事件挂在投屏图上、键盘事件挂在一个可聚焦容器上，并接管
paste（剪贴板内容直接走 insertText，密码可以从密码管理器粘贴）。
被转发的输入与工具走同一条 Playwright 链路，页面对两种来源没有区别。
用途：登录、验证码、短信/人工确认、密码管理器填充等机器做不了的环节， Agent 把页面带到那一步，剩下的你自己在面板里完成。
默认使用持久化 profile（<DSH_HOME>/browser-use/profile），cookie 与
localStorage 跨插件热重载、DSH 重启保留。实测：带过期时间的 cookie 与
localStorage 在浏览器进程关闭并重新拉起后依然存在。
注意两点：
Expires/Max-Age）不保留 —— 这是浏览器固有行为：
进程一退就清。多数站点「记住我」会写持久 cookie，那种能留下。userDataDir 设为 'off'。本仓库以 lib/ 为唯一源码，纯 JavaScript（ESM），不需要任何构建链，克隆即可用：
| 路径 | 角色 |
|---|---|
lib/index.js | 宿主半：浏览器会话、10 个工具、面板路由与提示段 |
lib/client.js | 客户端半：手写 ModuleLoader 包 |
skills/control-browser/SKILL.md | 随包技能 |
cordis.patch.yml | 组合包层：把 dsh-browser-use 行插进宿主组合 |
修改直接改 lib/*.js，重启 DSH（或热重载该包）即生效。仓库里没有 src/ 与
TypeScript 构建链，也不需要它们。
screenshot 需要部署挂载 attachment 服务。goto 只接受 http: / https: / about:blank。/input。批量输入走 application/json，跨站表单无法直接利用；若部署在
多用户机器上，应自行在反代层加鉴权。Start-Process；
WSL 下可借 Windows interop；两者都不通的平台再依次回落到 wslview / xdg-open，
都没有时报错，不会静默失败。本包采用 MIT License（见 LICENSE），版权人 hu568（https://github.com/hu568）。
browser-use-plugin 与 control-browser 技能的操作范式移植自
zai-org/ZCode（Apache License 2.0），署名见 NOTICE。