---

name: gemini-computer-use description: 使用 Playwright 构建和运行 Gemini 2.5 Computer Use 浏览器控制智能体。当用户希望通过 Gemini Computer Use 模型自动化网页浏览器任务、需要智能体循环（截图 → 函数调用 → 操作 → 函数响应），或要求为有风险的 UI 操作集成安全确认时使用。

Gemini 计算机使用

快速开始

1. 加载环境变量文件并设置您的 API 密钥：

   cp env.example env.sh
   $EDITOR env.sh
   source env.sh
   

2. 创建虚拟环境并安装依赖：

   python -m venv .venv
   source .venv/bin/activate
   pip install google-genai playwright
   playwright install chromium
   

3. 使用提示词运行智能体脚本：

   python scripts/computer_use_agent.py \
     --prompt "在 example.com 上查找最新的博客文章标题" \
     --start-url "https://example.com" \
     --turn-limit 6
   

浏览器选择

• 默认：Playwright 捆绑的 Chromium（无需设置环境变量）。
• 使用 COMPUTER_USE_BROWSER_CHANNEL 选择特定渠道（Chrome/Edge）。
• 使用 COMPUTER_USE_BROWSER_EXECUTABLE 指定自定义的基于 Chromium 的可执行文件（例如，Brave）。

如果两者都设置了，COMPUTER_USE_BROWSER_EXECUTABLE 优先级更高。

核心工作流（智能体循环）

1. 捕获屏幕截图，并将用户目标 + 截图发送给模型。
2. 解析响应中的 function_call 操作。
3. 在 Playwright 中执行每个操作。
4. 如果 safety_decision 为 require_confirmation，则在执行前提示用户确认。
5. 发送包含最新 URL 和截图的 function_response 对象。
6. 重复此过程，直到模型仅返回文本（无操作）或达到回合限制。

操作指南

• 在沙盒化的浏览器配置文件或容器中运行。
• 使用 --exclude 参数来阻止您不希望模型执行的风险操作。
• 除非有特殊原因，否则请将视口保持在 1440x900。

资源

• 脚本：scripts/computer_use_agent.py
• 参考笔记：references/google-computer-use.md
• 环境变量模板：env.example