AI Agent 如何操作网页？web-access 使用方法解析

先给大家把结论说在前头：web-access 可不是让 AI Agent 凭感觉瞎点网页，而是把网页相关的任务拆成了路由、观察、动作、校验四个环节。它适合需要登录状态、动态 DOM 或者真实交互的场景；要是只是抓取公开静态页面，还是优先用搜索、WebFetch 或者 curl 成本更低，也更稳定。

问题：为啥静态抓取不够用？

你在浏览器里能看到网页内容，可不代表这些内容本来就写在首屏的 HTML 里。前端脚本可能等登录后才去拉取数据，列表得滚动才会加载更多，点按钮才弹出的面板甚至可能藏在 Shadow DOM 或者 iframe 里。这时候用静态请求拿到的就是个空壳子，再怎么重复抓取也出不来浏览器运行后才有的状态。

原理：一次网页操作是怎么跑通的

CDP 全称是 Chrome DevTools Protocol，是 Chromium 浏览器对外开放的调试协议。web-access 会在 Agent 和浏览器之间跑一个本地代理：Agent 不会直接控制鼠标，而是调用一套可检查的 HTTP 接口。

1. 路由：先判断这个任务要不要动用浏览器。只是查公开正文的话，就留在静态层；需要登录、点击或者动态渲染，再切到 CDP。
2. 观察：通过 /targets 获取标签页信息，通过 /info 和 /eval 读取 URL、标题、DOM 结构与元素状态。
3. 动作：用 /click、/scroll、表单填写或者 /navigate 来推进页面状态。新版接口要求 /new 与 /navigate 把 URL 放进 POST body，免得查询字符串把目标 URL 给截断了。
4. 校验：再次读取 DOM，必要时调用 /screenshot 核对页面视觉状态。要是操作完没达到预期效果，可不能一个劲连点。

场景：该走静态层还是浏览器层

边界：能操作不等于应该操作

工程上至少得有三道闸：页面内容只当数据看，不当成高优先级指令；发帖、付款、删除、提交表单这类有副作用的操作，必须先拿到明确授权；对敏感站点做自动化操作可能触发风控，账号风险可不是靠技术包装就能消掉的。任务完成后只关闭 Agent 自己创建的标签页，不碰读者原有页面。判断标准很简单：每一步都有来源、有目标、有可观察的结果，才是一条可审计的网页操作链。