browser_take_snapshot | ページを 1 要素 1 行で表し、エージェントが操作できる要素すべてに番号を付け、邪魔になっているポップアップも示します。注釈付きスクリーンショットを添えたり、画面外まで読んだりもできます。 |
browser_read_pages | バックグラウンドのタブで最大 10 ページを同時に読み、リンクを含むテキストを返します。 |
browser_batch | 1 つのタブでの複数のクリック、入力、キー操作を 1 回の呼び出しで行い、最新のスナップショットを返します。 |
browser_click, browser_input_text, browser_press_key, browser_select_editable_text, browser_scroll | 番号で要素を操作します。 |
browser_move, browser_drag | ホバーと、スライダー、キャンバス、並べ替えできるリストのドラッグ。 |
browser_navigate, browser_go_back, browser_go_forward, browser_reload, browser_stop_loading, browser_wait | ページの移動。 |
browser_new_tab, browser_select_tab, browser_close_tab, browser_set_audio_muted | タブ。 |
browser_get_window_info, browser_new_window, browser_close_window, browser_show, browser_minimize | ブラウザのウィンドウ。 |
browser_close_popup_bubble | 権限の確認やダイアログに応答します。 |
browser_start_human_control, browser_stop_human_control | パスワードや画像認証(CAPTCHA)のためにタブをあなたに渡し、そのあと引き取ります。 |
browser_status | ブラウザの準備ができているか、初回インストールがどこまで進んだか。 |
browser_run_task, browser_stop_task | 任意:設定したエンドポイントのビジョンモデルに、ご自身の API キーでタスク全体を任せます。スクリーンショットはエージェントのコンテキストに入りません。 |