Skillget

NekoPilot

agent
Guvenlik Denetimi
Uyari
Health Uyari
  • License — License: Apache-2.0
  • Description — Repository has a description
  • Active repo — Last push 0 days ago
  • Low visibility — Only 6 GitHub stars
Code Uyari
  • network request — Outbound network request in artifacts/ui/scroll-repro.spec.ts
  • process.env — Environment variable access in playwright.config.ts
  • network request — Outbound network request in src/agent/loop.ts
  • network request — Outbound network request in src/background/index.ts
Permissions Gecti
  • Permissions — No dangerous permissions requested

Bu listing icin henuz AI raporu yok.

SUMMARY

🐾AI browser agent extension with a full LLM agent harness running inside Chrome/Edge. CDP automation, vision, BYOK

README.md

NekoPilot 🐱

NekoPilot 是一个浏览器侧边栏插件。它可以接入 LLM 为你操作浏览器页面。

manifest v3 license pnpm

image

Claude Fable 5 已将该插件与Claude browser use 最佳实践对齐

特性

  • 仿真浏览器控制：通过 CDP 派发真实鼠标 / 键盘事件，亦可改用 JS 派发。
  • 兼容两种接口：
    • OpenAI Completions
    • Anthropic Messages
  • 权限可控：可切换审批与自动模式，审批模式下点击、滑动、输入等操作需要人工批准
  • 点选页面元素：手动选择网页按钮，文本等，将元素信息附加到指令中。
  • JavaScript 沙箱：通过轻量 QuickJS 沙箱执行代码，可计算数学问题或分析数据。
  • 截图上下文管理：对于模型对页面的截图，支持缩放和旧截图清理，控制模型上下文占用。

工具集

工具 作用
execute_js 在独立沙箱中执行纯 JavaScript 代码，无网络，不可访问页面资源；可在设置中关闭
screenshot 截屏，支持设置缩放
read_page_text 读取页面文本（body.innerText），支持通过 limit / offset 分段读取
read_page 读取简化 DOM 树
read_page_interactive 列出可见的可交互元素
click 按坐标或 selector 点击，默认使用 CDP，可改用 JS 点击
keyboard_type 输入文本、发送按键或组合键，可先聚焦指定元素；文本输入支持 CDP、JS 赋值或逐字符键盘事件
scroll 在指定位置派发鼠标滚轮事件，支持水平和垂直滚动
drag 按起点和终点坐标长按拖拽
navigate 打开指定网址
wait 等待指定毫秒数
find_element 按文本搜索元素
get_element_text 读取指定元素的文本
hover 按坐标或 selector 移动鼠标，触发悬停效果
handle_dialog 接受或拒绝原生 alert、confirm、prompt 及 beforeunload 弹窗，可填写 prompt 文本
get_element_rect 获取指定元素的坐标和尺寸

selector 是 #n 元素引用，由各种读取工具返回。

工具定义见 src/tools/definitions.ts。

快速开始

1. 构建扩展

需要 Node.js 22.13 或更高版本，以及 pnpm 11.19.0。

pnpm install --frozen-lockfile
pnpm build

2. 安装到 Chrome（或Edge等Chromium内核浏览器）

  1. 打开 chrome://extensions
  2. 开启 开发者模式
  3. 点击 加载已解压的扩展程序，选择仓库内的 dist 目录

3. 配置 API

点击扩展图标，打开侧边栏，然后点击右下角齿轮图标进入设置页面，填写这些：

  • 接口类型：OpenAI 是 OpenAI Completions 接口，Anthropic 是 Anthropic Messages 接口
  • Base URL：提供商API端点，例如 https://api.openai.com/v1、https://api.anthropic.com/v1
  • API Key：你的密钥
  • 模型：提供商提供的模型ID，可点击右侧按钮从模型提供商拉取模型列表

4. 使用

在任意网页打开插件，输入指令开始。例如：

  • 帮我把这个表单填好后提交
  • 找到所有评论里的差评，摘抄给我
  • 打开 GitHub trending，把前 5 个项目的标题列出来

发送指令后，Agent会留在当前标签页继续操作，直接切换标签页不会影响Agent。在底栏可以更改Agent操作的标签页。

项目结构

src/
├── background/         # MV3 Service Worker + CDP 会话管理
│   ├── index.ts
│   └── cdp.ts
├── agent/              # LLM Agent Loop（observe → think → act）
│   ├── loop.ts         # 流式调用 + 工具循环 + 中断控制
│   └── types.ts
├── tools/              # 工具系统
│   ├── definitions.ts  # JSON Schema 定义
│   ├── executor.ts     # CDP 实际执行
│   └── types.ts        # OpenAI / Anthropic schema 适配
├── sidepanel/          # 侧边栏 UI（聊天 / 时间线 / 思考块）
│   ├── App.tsx          # 事件处理与聊天状态
│   ├── model.ts         # 展示模型、分组与工具摘要
│   ├── timeline.tsx     # 思考 / 工具 / 审批时间线
│   ├── markdown.tsx     # Markdown 与流式公式兼容
│   └── controls.tsx     # 元素引用标签与通用控件
├── components/
│   ├── ui/              # shadcn/ui 基础组件
│   └── ai-elements/     # AI Elements 聊天组件
├── options/            # 设置页（BYOK 配置）
└── shared/             # 主题、消息通信、存储

数据流概览：

flowchart TD
    sidepanel["侧边栏 UI"] -->|用户指令 / 操作审批| background["后台 Service Worker"]
    background -->|启动任务| agent["AgentLoop"]
    agent -->|HTTP 请求| provider["LLM 提供商"]
    provider -->|SSE 流式响应 / 工具调用| agent
    agent -->|执行工具| executor["ToolExecutor"]
    executor -->|CDP 页面读取 / 操作| target["绑定的目标标签页"]
    target -->|截图 / 页面数据| executor
    executor -->|工具结果| agent
    agent -->|消息 / 工具事件 / 审批请求| background
    background -->|状态更新| sidepanel

技术栈

  • 构建 — Vite 6 + TypeScript 5（严格模式）
  • UI — React 19 + shadcn/ui + AI Elements + Tailwind CSS 4
  • 内容渲染 — Streamdown + remark-gfm / remark-math / KaTeX
  • 主题 — shadcn/ui 默认 Neutral 配色，支持明亮、暗黑与跟随系统
  • 运行时 — Chrome MV3 Service Worker
  • 包管理器 — pnpm

隐私

  • API Key 仅保存在本地浏览器的 chrome.storage.local。
  • 所有 LLM 请求由扩展直连你配置的提供商。
  • 截图、页面文本只发送给你选定的模型。

贡献

欢迎 issue 与 PR。

进入开发模式（watch + 增量构建）：

pnpm dev

提交前请：

pnpm build       # 必须通过 tsc 严格检查
pnpm test:ui     # 生产构建 + 浏览器 UI 回归检查

UI 检查默认使用已安装的 Chrome，可通过 PLAYWRIGHT_CHANNEL 选择其他已安装的浏览器通道。

需要人工检查页面截图时，运行 pnpm test:ui:screenshots；截图输出到 test-results/ 和 artifacts/ui/。

提交信息使用 Conventional Commits 风格。

TODOs

  • 支持附件上传（对的，现在的附件按钮只是摆设）
  • 历史对话保存
  • 支持多标签页操作
  • 为其它harness暴露MCP接口

License

Apache License 2.0

Yorumlar (0)

Sonuc bulunamadi