Communitygithub.com

Browser-Video-Aufzeichnung

Erstelle polierte 60-fps 4:3 4K-Browser-Bildschirmaufzeichnungsvideos aus Codex-In-App-Browser-Aufnahmen, mit Browser-Crop, natürlichem macOS-Cursor, bewusster Klick-Choreografie, Zoom-Follow-Framing, ffprobe/Thumbnail-Überprüfung und optionaler nativer Aufzeichnungskompatibilitätsprüfung.

Was ist Browser-Video-Aufzeichnung?

Diese Fähigkeit ermöglicht einem KI-Agenten (wie Codex), Browser-Demo-Videos in hoher Qualität zu erstellen – und zwar ohne eine traditionelle Bildschirmaufzeichnungssoftware. Sie funktioniert in drei Schichten: 1) Der Agent steuert den Codex-In-App-Browser, macht Screenshots und notiert Klickpositionen. 2) Ein gebündeltes Python-Skript rendert diese Screenshots zu einem MP4-Video mit natürlichem macOS-Cursor, subtilen Klick-Skale-Effekten und einem ruhigen Zoom-Follow-Framing. 3) Optional kann eine native Aufzeichnungs-MCP für echte App-Aufnahmen integriert werden, fällt aber auf den Screenshot-basierten Renderer zurück, falls diese nicht verfügbar ist. Das Ergebnis ist ein 60-fps, 4K 4:3 Video im Browser-Stil, ideal für Dribbble/UI-Inspirationen, Produktdemos oder die Dokumentation von Benutzerabläufen. Der Agent muss die gebündelten Skripte verwenden und nicht versuchen, den Renderer neu zu schreiben; Voraussetzungen sind Python3, Pillow, ffmpeg und ffprobe.

Funktioniert mit~Claude Code✓Codex CLI✓Cursor
npx skills add https://github.com/MengTo/Skills/tree/HEAD/agent-skills/codex/browser-video-recording

In Ihrer bevorzugten KI fragen

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

Dokumentation

Was macht Browser-Video-Aufzeichnung?

Abhängigkeitsmodell

Unterteile den Workflow in drei Ebenen:

  1. Browsersteuerung und Quellbilder: Verwende den Codex-In-App-Browser über das Browser-Skill/die MCP. Verwende kein Chrome, wenn der Nutzer nach dem Codex-Browser fragt oder das Projekt dagegen spricht. Die Browser-Ebene liefert echte Screenshots und echte Klick-/Scroll-/Navigationszustände.
  2. Lokaler Videorenderer: Verwende das gebündelte Python-Skript, um Screenshots in ein MP4 mit natürlichem macOS-Cursor, subtiler Klick-Skalierung und ruhigem Zoom-Follow-Framing zu rendern. Dies erfordert keine Bildschirmaufzeichnungs-MCP.
  3. Optionale native Rekorder-Integration: Verwende eine native Aufzeichnungs-MCP nur, wenn sie aufrufbar und explizit nützlich ist, um eine echte App-Aufnahme zu starten/stoppen oder ein generiertes Projekt zu öffnen. Falls nicht verfügbar, blockiert oder unfähig, die Codex-Browser-Oberfläche aufzunehmen, falle auf den Screenshot-zu-Video-Renderer zurück und erkläre den Fallback.

Eigenständige Ausführung

Dieses Skill reicht für eine andere Codex-Instanz aus, um das Python-Rendering durchzuführen, solange der gesamte Skill-Ordner installiert ist, einschließlich scripts/render_browser_demo.py. Codex sollte das gebündelte Skript ausführen, anstatt den Renderer neu zu erstellen.

Erforderliche lokale Werkzeuge:

  • python3
  • Python-Paket Pillow
  • ffmpeg und ffprobe

Die optionale macOS-Cursor-Extraktion verwendet swift und /usr/sbin/screencapture. Falls diese nicht verfügbar sind, stelle ein transparentes PNG über cursor_asset bereit und setze cursor_hotspot in der Konfiguration.

Das Browser-Skill/die MCP wird weiterhin benötigt, um frische Codex-In-App-Browser-Screenshots zu erhalten. Falls nicht verfügbar, verwende die beste verfügbare Browser-Automatisierungs-Screenshot-Quelle und gib den Fallback an.

Optionale native Rekorder-Unterstützung

Für native App-Aufzeichnung überprüfe, ob die MCP folgendes unterstützt:

  • Verwende frameRate: 60.
  • Verwende resolutionRawValue: "4K".
  • Verwende ratioPresetRawValue: "4:3" für Bereichsaufnahmen.
  • Verwende einen expliziten selectedRegionOnScreen, wenn auf einen eingebetteten Browser-Viewport zugeschnitten wird.

Für den lokalen Renderer bedeutet 4K 4:3 3840x2880. Wenn ein nativer Rekorder ein 4K-Enum bereitstellt, behandle es als appseitige Auflösungsvoreinstellung und kombiniere es mit der 4:3-Bereichsauswahl bei der Aufnahme über diese MCP.

Aufzeichnungs-Workflow

Verwende zuerst browser:control-in-app-browser. Nach dem Laden der Dokumentation steuere den In-App-Browser mit der Node/Browser-API:

  • Setze den Viewport auf 1920x1440 für die 4:3 4K-Ausgabe und setze ihn vor dem Abschluss zurück.
  • Navigiere zur angeforderten Seite und führe tatsächliche Klicks, Rücksprünge, Suchen und Scrollvorgänge aus.
  • Speichere nach jeder wichtigen Zustandsänderung reine Browser-Screenshots. Verwende Namen wie 01-results-top.png, 02-after-card-click.png, 03-back-results.png.
  • Notiere die Viewport-Koordinaten jedes Klick-/Scroll-Ziels. Der endgültige Cursor-Pfad sollte auf diesen Punkten landen, pausieren, klicken und dann zum nächsten bedeutenden Punkt weitergehen.

Vermeide Desktop-Koordinaten-Automatisierung, es sei denn der Nutzer benötigt explizit System-UI. Die Sichtbarkeit des Codex-Browsers bietet möglicherweise keine aufnahmefähige macOS-Oberfläche; Screenshots von der Browser-API sind die zuverlässige Quelle.

Bewegungsregeln

Lass den Cursor zielgerichtet wirken:

  • Verwende spärliche, meist gerade Cursor-Pfade.
  • Halte kurz vor dem Klick auf dem Ziel inne.
  • Irre nicht über nicht zusammenhängende UI-Elemente.
  • Lass den Seitenübergang nach dem Klick stattfinden, nicht davor.
  • Verwende nur subtiles Klick-Feedback: Skalierungs-Dipp/Rückprall, keine dekorativen Ringe, es sei denn, dies wurde angefordert.
  • Halte das Zoom-Follow ruhiger als den Cursor. Die Kamera sollte den angeklickten Inhalt einrahmen, nicht jeder kleinen Mausbewegung hinterherjagen.

Standard visuelles Ziel:

  • Echter macOS-Zeiger, extrahiert aus dem Compositor, oder ein vorhandenes transparentes Cursor-Asset.
  • Cursor-Skalierung 3.0, entsprechend dem großen Cursor-Stil, der häufig in bearbeiteten Demo-Aufzeichnungen verwendet wird.
  • Klick-Animation-Stärke 15 für einen subtilen Klick-Skalierungs-Dipp.
  • Rotationsstärke bis zu 8deg, nur aus horizontaler Geschwindigkeit.

Render-Skript

Verwende scripts/render_browser_demo.py für deterministische 60-fps 4:3 4K-Ausgabe:

python3 /pfad/zu/browser-video-recording/scripts/render_browser_demo.py \
  --config /tmp/browser-demo-config.json \
  --output /tmp/browser-demo-4x3-4k-60fps.mp4

Generiere eine Startkonfiguration:

python3 /pfad/zu/browser-video-recording/scripts/render_browser_demo.py --write-template

Die Konfiguration liefert:

  • shots: Zuordnung von Zustandsnamen zu Screenshot-PNG-Pfaden.
  • scene_starts: [Zeit, ShotName, Übergang]-Einträge.
  • cursor_keys: [Zeit, x, y]-Viewport-Koordinaten-Einträge.
  • camera_keys: [Zeit, x, y, Zoom]-Einträge.
  • click_times: Klick-Zeitstempel.
  • duration, fps, output_size, source_size, cursor_scale.

Bevorzugte Standardwerte:

{
  "fps": 60,
  "output_size": [3840, 2880],
  "source_size": [1920, 1440]
}

Wenn cursor_asset ausgelassen wird, zeigt das Skript kurz eine einfarbige Überlagerung und verwendet screencapture, um den echten aktuellen macOS-Cursor in ein transparentes PNG zu extrahieren. Dies ist lokale Rendering-Unterstützung, keine MCP-Abhängigkeit.

Überprüfung

Überprüfe immer das ausgelieferte Video:

ffprobe -v error \
  -show_entries stream=codec_name,width,height,r_frame_rate \
  -show_entries format=duration,size \
  -of json /pfad/zu/ausgabe.mp4

Extrahiere mindestens ein Miniaturbild aus der Mitte des Videos und überprüfe es:

ffmpeg -y -ss 8 -i /pfad/zu/ausgabe.mp4 -frames:v 1 -update 1 /tmp/browser-demo-thumb.png

Bestätige:

  • Auflösung entspricht der angeforderten Ausgabe, normalerweise 3840x2880 für 4:3 4K.
  • Bildrate ist 60/1 oder gleichwertig.
  • Dauer entspricht der Anfrage.
  • Cursor ist sichtbar, natürlich und auf dem Ziel.
  • Das Video ist auf den Browser-Inhalt zugeschnitten, nicht auf den Desktop.
  • Die Browser-Viewport-Überschreibung wurde zurückgesetzt.

Individual skills in this repo

This repo contains 9 individual skills — each has its own dedicated page.

MengTo/Skills

Generate ElevenLabs text-to-speech audio from scripts or inline text using local voice profiles. Use when the user asks for ElevenLabs, text-to-speech, TTS, narration, voiceover, speech audio, or voice generation; load voice names, voice ids, emails, owners, and account-specific defaults only from local config outside the skill.

MengTo/Skills

Profile, audit, and optimize frontend page performance with emphasis on animation work, memory-leak risks, long-session slowdowns, CSS animations, canvas/WebGL requestAnimationFrame loops, marquees, skeletons, GSAP/Three/Matter effects, timers, listeners, and observers. Use when the user asks to make animations performant, pause offscreen animations, look for memory leaks, profile pages that slow the computer over time, fix janky scrolling, reduce CPU/GPU use, or repeat the "only play in view" optimization on React/Vite/Next/frontend pages using Codex Browser.

MengTo/Skills

Turn a reference video into a super detailed recreation or inspiration prompt. Use when the user provides, mentions, uploads, links, or points to a video and asks to analyze the design, UI, animations, transitions, scroll interactions, typography, colors, assets, WebGL/Three.js, storytelling, section-by-section behavior, or to create a prompt/article that recreates the page, app, interaction, or motion system.

MengTo/Skills

Create an on-scroll animation trigger using IntersectionObserver with Tailwind-friendly animation classes and keyframes. Use when asked for scroll-reveal, animate-on-scroll, or sequencing element animations when they enter the viewport.

MengTo/Skills

Use when designing or implementing product-grade web motion like Stripe, Linear, Apple, and Vercel. Covers motion principles, easing/duration defaults, choreography patterns, scroll/hover interactions, performance, accessibility (reduced motion), and implementation guidance.

MengTo/Skills

Create premium cinematic web motion systems with GSAP, ScrollTrigger, and Lenis. Use for luxury editorial websites, creative studio portfolios, Awwwards-style interactions, smooth scroll reveals, staggered text, parallax, pinned sections, magnetic hover states, custom cursors, and mouse-reactive layered movement.

MengTo/Skills

Create cinematic scroll-driven landing pages with Lenis smooth scrolling, GSAP ScrollTrigger, scroll-linked progression, staggered text reveals, sticky card stacks, parallax backgrounds, scroll-scrubbed transitions, footer reveals, and immersive preloaders. Use when analyzing or building premium editorial scroll experiences, sticky project stacks, kinetic typography, or section-by-section storytelling.

MengTo/Skills

Use when designing or rewriting a high-converting SaaS pricing page (structure, plan design, copywriting, SEO/AEO, FAQs, layout patterns, experiments). Includes checklists, templates, and common pitfalls.

MengTo/Skills

Use when creating or refining WebGL-heavy landing pages and you need to steer toward a specific visual outcome (premium, technical, playful, cinematic) while balancing conversion clarity, performance, and implementation complexity.

Verwandte Skills