Communitygithub.com

MengTo/Skills

Crea videos estilo grabación de pantalla a 60 fps en 4:3 4K a partir de capturas del navegador integrado de Codex, con recorte solo del navegador, cursor macOS natural, coreografía deliberada de clics, encuadre con seguimiento de zoom, verificación con ffprobe/miniaturas y compatibilidad opcional con grabación nativa.

¿Qué es Skills?

Esta skill permite grabar o regrabar acciones del navegador integrado de Codex y producir un video estilizado tipo demo, similar a una grabación de pantalla profesional. Utiliza capturas de pantalla reales del navegador (obtenidas mediante la skill Browser o un MCP) y las procesa localmente con un script Python que añade un cursor macOS natural, animaciones sutiles de clic y seguimiento de zoom calmado. No requiere un MCP de grabación de pantalla, aunque puede integrarlo si está disponible. La salida es un video MP4 de 60 fps en formato 4:3 4K (3840x2880) con movimiento de cursor deliberado y verificación automática mediante ffprobe y miniaturas. Es ideal para demos de productos, inspiración de UI o tutoriales que necesiten un acabado pulido y natural.

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

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Grabación de Video del Navegador

Modelo de Dependencias

Divide el flujo de trabajo en tres capas:

  1. Control del navegador y fotogramas fuente: Utiliza el navegador integrado de Codex a través de la skill/MCP de Browser. No uses Chrome cuando el usuario solicite el navegador de Codex o el proyecto indique lo contrario. La capa del navegador proporciona capturas de pantalla reales y estados reales de clic/desplazamiento/navegación.
  2. Renderizador de video local: Utiliza el script Python incluido para convertir las capturas en un MP4 con cursor macOS natural, escala sutil de clic y seguimiento de zoom calmado. Esto no requiere un MCP de grabación de pantalla.
  3. Integración opcional con grabador nativo: Utiliza un MCP de grabación nativo solo cuando sea invocable y explícitamente útil para iniciar/detener una grabación real de la aplicación o abrir un proyecto generado. Si no está disponible, está bloqueado o no puede capturar la superficie del navegador de Codex, recurre al renderizador de capturas a video y explica la alternativa.

Ejecución Autónoma

Esta skill es suficiente para que otra instancia de Codex realice el renderizado Python siempre que la carpeta completa de la skill esté instalada, incluyendo scripts/render_browser_demo.py. Codex debe ejecutar el script incluido en lugar de recrear el renderizador.

Herramientas locales necesarias:

  • python3
  • Paquete Python Pillow
  • ffmpeg y ffprobe

La extracción opcional del cursor macOS utiliza swift y /usr/sbin/screencapture. Si no están disponibles, proporciona un PNG transparente a través de cursor_asset y establece cursor_hotspot en la configuración.

La skill/MCP de Browser sigue siendo necesaria para obtener capturas frescas del navegador integrado de Codex. Si no está disponible, utiliza la mejor fuente de capturas de automatización de navegador disponible e indica la alternativa.

Soporte Opcional de Grabador Nativo

Para grabación nativa de aplicaciones, verifica que el MCP soporte:

  • Usar frameRate: 60.
  • Usar resolutionRawValue: "4K".
  • Usar ratioPresetRawValue: "4:3" para grabaciones de región.
  • Usar un selectedRegionOnScreen explícito al recortar a una ventana de navegador incrustada.

Para el renderizador local, 4K 4:3 significa 3840x2880. Si un grabador nativo expone un enumerado 4K, trátalo como un preset de resolución del lado de la aplicación y combínalo con la selección de región 4:3 al grabar a través de ese MCP.

Flujo de Captura

Primero usa browser:control-in-app-browser. Después de cargar su documentación, maneja el navegador integrado con la API de Node/navegador:

  • Establece el viewport a 1920x1440 para salida 4:3 4K, luego restablécelo antes de finalizar.
  • Navega a la página solicitada y realiza clics, retrocesos, búsquedas y desplazamientos reales.
  • Guarda capturas de pantalla solo del navegador después de cada cambio de estado importante. Usa nombres como 01-results-top.png, 02-after-card-click.png, 03-back-results.png.
  • Registra las coordenadas del viewport de cada objetivo de clic/desplazamiento. El trazado final del cursor debe aterrizar en esos puntos, pausarse, hacer clic y luego moverse al siguiente punto significativo.

Evita la automatización de coordenadas del escritorio a menos que el usuario necesite explícitamente la UI del sistema. La visibilidad del navegador de Codex puede no exponer una superficie macOS capturable; las capturas de pantalla de la API del navegador son la fuente confiable.

Reglas de Movimiento

Haz que el cursor se sienta intencionado:

  • Usa trayectorias del cursor mayormente rectas y espaciadas.
  • Pausa brevemente en un objetivo antes de hacer clic.
  • No deambules sobre UI no relacionada.
  • Deja que la transición de página ocurra después del clic, no antes.
  • Usa solo retroalimentación sutil de clic: una pequeña bajada/rebote de escala, no anillos decorativos a menos que se solicite.
  • Mantén el seguimiento de zoom más calmado que el cursor. La cámara debe encuadrar el contenido clicado, no perseguir cada pequeño movimiento del ratón.

Objetivo visual predeterminado:

  • Puntero macOS real extraído del compositor, o un activo de cursor transparente existente.
  • Escala del cursor 3.0, coincidiendo con el estilo de cursor grande comúnmente usado en grabaciones de demostración editadas.
  • Fuerza de animación de clic 15 para una sutil bajada de escala.
  • Fuerza de rotación hasta 8deg, solo por velocidad horizontal.

Script de Renderizado

Usa scripts/render_browser_demo.py para salida determinista a 60 fps 4:3 4K:

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

Genera una configuración inicial:

python3 /ruta/a/browser-video-recording/scripts/render_browser_demo.py --write-template

La configuración proporciona:

  • shots: mapa de nombres de estado a rutas de PNG de captura.
  • scene_starts: entradas [tiempo, nombreCaptura, transición].
  • cursor_keys: entradas [tiempo, x, y] de coordenadas del viewport.
  • camera_keys: entradas [tiempo, x, y, zoom].
  • click_times: marcas de tiempo de clics.
  • duration, fps, output_size, source_size, cursor_scale.

Valores predeterminados preferidos:

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

Si se omite cursor_asset, el script muestra brevemente una superposición de color sólido y usa screencapture para extraer el cursor macOS real actual en un PNG transparente. Esto es soporte de renderizado local, no una dependencia de MCP.

Verificación

Verifica siempre el video entregado:

ffprobe -v error \
  -show_entries stream=codec_name,width,height,r_frame_rate \
  -show_entries format=duration,size \
  -of json /ruta/a/salida.mp4

Extrae al menos una miniatura a mitad del video e inspecciónala:

ffmpeg -y -ss 8 -i /ruta/a/salida.mp4 -frames:v 1 -update 1 /tmp/browser-demo-thumb.png

Confirma:

  • La resolución es la salida solicitada, generalmente 3840x2880 para 4:3 4K.
  • La tasa de fotogramas es 60/1 o equivalente.
  • La duración coincide con la solicitud.
  • El cursor es visible, natural y está en el objetivo.
  • El video está recortado al contenido del navegador, no al escritorio.
  • La anulación del viewport del navegador se ha restablecido.

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.

Skills relacionados