跳到內容

Browser 套件

pi-roundtable-browser 為 agent 和 owner 的 session 加上一個工具 browser_task。 每次呼叫都把任務交給一個全新的 worker session,這個 session 唯一的工具就是操作真實瀏覽器。 worker 會獨自工作幾分鐘,然後交回一份書面報告;它決定保留的截圖會附在 agent 的回覆上。 原始碼在 packages/browser,每個選項見套件 README。

終端機視窗
bun add pi-roundtable-browser pi-roundtable

需要 Bun 1.4.4 以上、>=0.50.0 <0.51.0 的 pi-roundtable、原生 Linux host,以及本機 Docker daemon。 服務帳號必須能使用 Docker;container 以這個帳號執行,絕不用 root。 macOS 可用於離線測試和建置 image,但不能實際瀏覽,因為 Docker Desktop 不會把 host Unix socket 分享進 Linux VM。

由 host 從安裝好的套件建置一次 image,tag 用套件的版本:

終端機視窗
docker build -t pi-roundtable-browser:<version> \
-f node_modules/pi-roundtable-browser/docker/Dockerfile \
node_modules/pi-roundtable-browser/docker

Docker 不存在、daemon 沒有回應或 image 還沒建置時,啟動會以 PluginError 停下,訊息會指出該怎麼修。

import { browserAgent } from "pi-roundtable-browser";
export default {
// ...你的 roundtable 設定...
plugins: [
browserAgent({
model: "anthropic/claude-sonnet-5-5", // 預設:delegation.model
thinking: "medium", // 預設:delegation.thinking
limits: { timeoutMs: 5 * 60_000, maxSteps: 40, maxScreenshots: 4 },
}),
],
};

這個工具預設需要 owner 層級;要降低可用 toolTiers。 它不會等待核准,而且每個任務都從乾淨的瀏覽器 profile 開始,沒有任何已儲存的登入。 任務時間、步驟數、保留的截圖數、截圖大小和輸出大小都有上限,各有安全的預設值和選項。 取消這一輪或停止 host,都會中止 worker 並移除它的 container。

container 以 --network none 啟動:只有 loopback 介面,沒有別的。 瀏覽器只能經由一個 Unix socket 上網,這個 socket 從私有資料夾掛進去,另一端是 host 上的 proxy。 proxy 自己解析每個目的地,只有答案裡每個位址都是公開位址才放行,然後連到驗證過的位址。 所以 loopback、私有位址和 link-local 位址(包括雲端 metadata)都連不到,不論是網頁連結過去、重新導向、用 fetch 或 WebSocket 連過去,還是用一個第二次查詢才解析到那裡的名稱。 WebRTC 只能走 proxy,下載和本機檔案由瀏覽器的 policy 拒絕,container 唯讀、沒有特權,記憶體、CPU 和行程數都有上限。 套件的整合測試會在 CI 上用真的 container 證明 loopback、私有位址和 metadata 都連不到。

預設 driver 在 container 裡執行 agent-browser,也就是 Vercel 給 agent 用的瀏覽器 CLI。 worker 拿到一個工具 agent_browser,一次執行一個指令,指令是引數清單(不是 shell),另外還有 image 裡那個 agent-browser 版本自己的使用指南,所以指引永遠和它操作的程式一致。 指令政策會拒絕下載、上傳、安裝、cookie 與已存狀態、登入、外掛,以及改變瀏覽器啟動或網路設定的指令。 在 screenshot 上設 keep: true,就把那張圖附到回覆。

BrowserDriver 為一個任務建立工具、skill 和指示,並在任務結束後清理:

browserAgent({ driver: myDriver });

不論哪種 driver,套件都會計算工具呼叫次數、截斷過長的輸出、清掉意外錯誤裡的敏感內容,並執行截圖上限;讓它的瀏覽器碰不到 host 不該開放的東西,是 driver 自己的責任。