CommunityRecherche & Datenanalysegithub.com

browser-automation

Visiongesteuerte Browser-Automatisierung mit Midscene. Arbeitet mit Screenshots – ohne DOM oder Barrierefreiheitslabels. Läuft in headless Puppeteer – übernimmt NICHT die Maus oder Tastatur des Benutzers. Unterstützt auch CDP-Modus und Bridge-Modus zur Verbindung mit einem bestehenden Chrome.

Was ist browser-automation?

Diese Skill ermöglicht visiongesteuerte Browser-Automatisierung unter Verwendung von Midscene.js. Anstatt auf das DOM oder Accessibility-Labels angewiesen zu sein, interpretiert der Agent Screenshots, um Webseiten zu navigieren, Daten zu extrahieren, Formulare auszufüllen und UI-Verhalten zu validieren. Der Skill läuft in einem headless Puppeteer-Browser, was bedeutet, dass er die Maus oder Tastatur des Benutzers nicht kapert – ideal für unbeaufsichtigte Tests und Workflows. Darüber hinaus unterstützt der Skill den CDP-Modus (Chrome DevTools Protocol) und den Bridge-Modus, um eine Verbindung zu einem bereits laufenden Chrome herzustellen, sodass der Agent denselben Browser wie der Anwendungsentwickler steuern kann. Dies ist besonders nützlich für Szenarien wie Web Scraping, mehrstufige Workflow-Automatisierung, Frontend-Tests und das Aufnehmen von Screenshots. Der Skill ist für Plattformen wie Claude Code, Cursor und Codex konzipiert und bietet eine leistungsstarke Alternative zu traditionellem DOM-basiertem Testing.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/web-infra-dev/midscene-skills/tree/main/skills/browser-automation

Installed? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

Original anzeigen→Alle Skills durchsuchen

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Dokumentation

Was macht browser-automation?

Visiongesteuerte Browser-Automatisierung mit Midscene. Arbeitet mit Screenshots – ohne DOM oder Barrierefreiheitslabels. Läuft in headless Puppeteer – übernimmt NICHT die Maus oder Tastatur des Benutzers. Unterstützt auch CDP-Modus und Bridge-Modus zur Verbindung mit einem bestehenden Chrome. Verwenden Sie diese Skill, wenn der Benutzer Folgendes möchte: - Webseiten durchsuchen, navigieren oder öffnen - Daten von Websites scrapen, extrahieren oder sammeln - Formulare ausfüllen, Schaltflächen klicken oder mit Web-Elementen interagieren - Frontend-UI-Verhalten überprüfen, validieren, testen oder QA durchführen - Screenshots von Webseiten aufnehmen - Mehrstufige Web-Workflows automatisieren - Das gerade Erstellte testen, um zu sehen, ob es im Browser funktioniert - Über CDP, DevTools-Protokoll oder Remote-Debugging eine Verbindung zu Chrome herstellen - Eine Verbindung zum Chrome-Browser des Benutzers herstellen, meinen Browser steuern, meinen Chrome bedienen

Angetrieben von Midscene.js (https://midscenejs.com)

Individual skills in this repo

This repo contains 5 individual skills — each has its own dedicated page.

web-infra-dev/android-device-automation

Vision-driven Android device automation using Midscene. Operates entirely from screenshots — no DOM or accessibility labels required. Can interact with all visible elements on screen regardless of technology stack. Control Android devices with natural language commands via ADB. Perform taps, swipes, text input, app launches, screenshots, and more. Trigger keywords: android, phone, mobile app, tap, swipe, install app, open app on phone, android device, mobile automation, adb, launch app, mobile screen, test android app, verify mobile app, QA on phone, check the app on android, test on device, see if the app works on phone, end-to-end test on android, visual verification on mobile Powered by Midscene.js (https://midscenejs.com)

web-infra-dev/desktop-computer-automation

Vision-driven desktop automation using Midscene. Control your local desktop (macOS, Windows, Linux) or a remote Windows desktop over RDP with natural language commands. Operates entirely from screenshots — no DOM or accessibility labels required. Can interact with all visible elements on screen regardless of technology stack. ⚠️ In local mode this takes over the user's real mouse and keyboard. For web apps, prefer "Browser Automation" instead. Only use this for desktop-native apps (Electron, Qt, native macOS/Windows/Linux) that cannot run in a browser, or for driving a remote Windows host via RDP. Triggers: open app, press key, desktop, computer, click on screen, type text, screenshot desktop, launch application, switch window, desktop automation, control computer, mouse click, keyboard shortcut, screen capture, find on screen, read screen, verify window, close app, test Electron app, rdp, remote desktop, windows server, connect via rdp Powered by Midscene.js (https://midscenejs.com)

web-infra-dev/harmonyos-device-automation

Vision-driven HarmonyOS NEXT device automation using Midscene. Operates entirely from screenshots — no DOM or accessibility labels required. Can interact with all visible elements on screen regardless of technology stack. Control HarmonyOS devices with natural language commands via HDC. Perform taps, swipes, text input, app launches, screenshots, and more. Trigger keywords: harmony, harmonyos, 鸿蒙, hdc, huawei device, harmony app, harmony automation, harmony phone, harmony tablet, test harmony app, verify on harmonyos, QA on 鸿蒙, check the app on harmony, test on huawei device, see if the app works on harmony, end-to-end test on harmonyos, visual verification on 鸿蒙 Powered by Midscene.js (https://midscenejs.com)

web-infra-dev/ios-device-automation

Vision-driven iOS device automation using Midscene CLI. Operates entirely from screenshots — no DOM or accessibility labels required. Can interact with all visible elements on screen regardless of technology stack. Control iOS devices with natural language commands via WebDriverAgent. Triggers: ios, iphone, ipad, ios app, tap on iphone, swipe, mobile app ios, ios device, ios testing, iphone automation, ipad automation, ios screen, ios navigate, test ios app, verify on iphone, QA on ipad, check the app on ios, test on ios device, see if the app works on iphone, end-to-end test on ios, visual verification on ios Powered by Midscene.js (https://midscenejs.com)

web-infra-dev/vitest-midscene-e2e

Enhances Vitest with Midscene for AI-powered UI testing across Web (Playwright), Android (ADB), and iOS (WDA). Scaffolds new projects, converts existing projects, and creates/updates/debugs/runs E2E tests using natural-language UI interactions. Triggers: write test, add test, create test, update test, fix test, debug test, run test, e2e test, midscene test, new project, convert project, init project, 写测试, 加测试, 创建测试, 更新测试, 修复测试, 调试测试, 运行测试, 新建工程, 转化工程.

Verwandte Skills

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

community

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

community

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

community

affaan-m/everything-claude-code

The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.

community

forrestchang/andrej-karpathy-skills

Agent skill repository discovered by 10x-chat research.

community

langgenius/backend-code-review

Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.

community
← More Recherche & Datenanalyse skills