Chromiumブラウザを操作してWebページのナビゲーション、要素操作、コンテンツ取得を行います。JavaScriptでレンダリングされる動的ページに対応し、簡略化したDOMスナップショットによりAgentが効率的にページ構造を理解できます。
インストール
このコマンドは以下を自動で実行します：
playwright Pythonパッケージのインストール（古いシステムでは互換バージョンに自動フォールバック）- Linuxにおけるシステム依存のインストール
- Chromiumブラウザのダウンロード（Linuxサーバーでは自動的にヘッドレス軽量版を使用）
- 中国本土ネットワークの自動検知とミラー高速化
pip install playwright
playwright install chromium
sudo playwright install-deps chromium
pip install playwright==1.28.0
python -m playwright install chromium
export PLAYWRIGHT_DOWNLOAD_HOST=https://registry.npmmirror.com/-/binary/playwright
python -m playwright install chromium
- Ubuntu 20.04+、Debian 10+、macOS、Windowsをサポート。Ubuntu 18.04などの古いシステムでは互換バージョンに自動フォールバックします。
- ブラウザToolは依存関係が大きい（約300MB）ため、不要な場合はインストールを省略できます。軽量なWebコンテンツ取得には
web_fetch Toolをご利用ください。
ワークフロー
Agentがブラウザを使う典型的な流れ：
navigate — 対象URLを開くsnapshot — 簡略化したDOMを取得し、操作可能な要素には自動で番号（ref）が付くclick / fill / select — refで要素を操作するsnapshot — 再度スナップショットを取得して結果を確認
サポートされる操作
| 操作 | 説明 | 主なパラメータ |
|---|
navigate | URLを開く | url |
snapshot | 構造化されたページテキストを取得（主な利用方法） | selector（任意） |
click | 要素をクリック | ref または selector |
fill | 入力欄にテキストを入力 | ref または selector、text |
select | プルダウンから選択 | ref または selector、value |
scroll | ページをスクロール | direction（up/down/left/right） |
screenshot | スクリーンショットをワークスペースに保存 | full_page |
wait | 要素または時間を待機 | selector、timeout |
press | キー入力（Enter、Tabなど） | key |
back / forward | ブラウザの戻る／進む | - |
get_text | 要素のテキストを取得 | selector |
evaluate | JavaScriptを実行 | script |
ユースケース
- 指定URLにアクセスして動的コンテンツを取得
- フォーム入力やログイン操作
- Web要素の操作（ボタンクリック、項目選択など）
- デプロイ後のWebページ動作確認
- JSレンダリングが必要な動的コンテンツのスクレイピング
動作モード
実行環境に応じてブラウザのモードが自動選択されます：
| 環境 | モード |
|---|
| macOS / Windows | ヘッドモード（ブラウザウィンドウを表示） |
| Linuxデスクトップ（DISPLAYあり） | ヘッドモード |
| Linuxサーバー（DISPLAYなし） | ヘッドレスモード |
config.jsonで手動上書き可能：
{
"tools": {
"browser": {
"headless": true
}
}
}
ログイン状態の永続化
対象サイトに一度ログインすれば、Agentは以降そのまま利用できます。 2つの方法があります：
方法1: Persistentモード（デフォルト）
設定不要、すぐに利用可能。ログイン情報は ~/.cow/browser_profile に保存されます。
毎回クリーンな環境で起動したい場合は、永続化を無効化：
{
"tools": {
"browser": {
"persistent": false
}
}
}
方法2: CDPモード（既存のChromeに接続）
Playwright付属のChromiumではなく、別途起動した本物のChromeにAgentを接続させることで、完全なブラウザフィンガープリントが得られます。Bot検知が厳しいサイトに有効です。
Chromeをデバッグポートと専用のユーザーデータディレクトリ付きで起動します：
"/Applications/Google Chrome.app/Contents/MacOS/Google Chrome" \
--remote-debugging-port=9222 \
--user-data-dir="$HOME/.cow/chrome-cdp"
google-chrome \
--remote-debugging-port=9222 \
--user-data-dir="$HOME/.cow/chrome-cdp"
& "C:\Program Files\Google\Chrome\Application\chrome.exe" `
--remote-debugging-port=9222 `
--user-data-dir="$env:USERPROFILE\.cow\chrome-cdp"
config.json で接続先を指定：
{
"tools": {
"browser": {
"cdp_endpoint": "http://localhost:9222"
}
}
}
Chrome 137以降では --remote-debugging-port を専用の --user-data-dir と組み合わせる必要があるため、CDPで起動するChromeは普段使いのChromeのログイン状態をそのまま流用できません。専用プロファイル内で一度ログインし直す必要があります。
