gemini-computer-use 是做什么的？
使用 Playwright 构建并运行 Gemini 2.5 计算机使用浏览器控制代理。适用于用户希望通过 Gemini 计算机使用模型自动化浏览器任务、需要代理循环（截图→函数调用→操作→函数响应）或要求为风险 UI 操作集成安全确认的场景。
工作原理
该技能实现了一个循环代理，该代理：
- 截图：截取浏览器当前页面的截图。
- 调用函数：将截图发送给 Gemini 2.5 模型，模型决定下一步要执行的操作（例如
click、type、navigate）。 - 执行操作：使用 Playwright 在浏览器中执行所选操作。
- 响应函数：将操作结果（成功/失败、新截图）返回给模型。
- 重复：循环继续，直到任务完成或达到最大步数。
主要特性
- Gemini 2.5 集成：利用 Google 最新的计算机使用模型进行智能浏览器控制。
- Playwright 自动化：可靠、跨浏览器的 Web 自动化。
- 安全确认：在执行风险操作（如删除、提交敏感表单、确认交易）前提示用户确认。
- 可配置：可调整最大步数、截图像素大小、浏览器类型等参数。
- 结构化代理循环：遵循可靠的
screenshot → function_call → action → function_response模式。
快速开始
前提条件
- Node.js v18 或更高版本
- 一个 Gemini API 密钥（设置为
GEMINI_API_KEY环境变量）
安装
npx am-will/gemini-computer-use --task "访问 example.com 并截图"
环境变量
| 变量名 | 必需 | 描述 |
|---|---|---|
GEMINI_API_KEY | 是 | 你的 Gemini API 密钥 |
GEMINI_MODEL | 否 | 模型名称（默认：gemini-2.5-pro-exp-03-25） |
HEADLESS | 否 | 设置为 true 以无头模式运行浏览器（默认：false） |
MAX_STEPS | 否 | 任务的最大代理步数（默认：50） |
使用示例
基本任务
export GEMINI_API_KEY="your-api-key-here"
npx am-will/gemini-computer-use --task "搜索 'Playwright 浏览器自动化' 并返回第一个结果标题"
带有安全确认的风险操作
export GEMINI_API_KEY="your-api-key-here"
npx am-will/gemini-computer-use --task "登录我的管理面板并删除 id=5 的用户"
执行 click 删除按钮前，代理会暂停并要求用户确认。
高级配置
你可以通过创建 gcuf.config.json 文件来进一步自定义行为：
{
"browserType": "chromium",
"viewport": {
"width": 1280,
"height": 720
},
"screenshotQuality": 80,
"safetyConfirmations": true,
"maxSteps": 100
}
支持
- 问题：在 GitHub Issues 提交问题。
- 文档：完整文档请参阅 项目 README。