Skip to content
dsh marketplace

dsh-sidebar-browser-control

Verified

dsh-sidebar-browser-control · v0.2.0 · MIT · Web UI

Drive DSH's own built-in browser (the right-hand Sidebar's Browser tab) from the agent: list tabs, open, navigate, read the page, run JavaScript, click, fill forms, log in, and look at pictures or the pane itself with vision. No second Chromium process.

Install

dsh plugin add dsh-sidebar-browser-control

Confirm the layer applied with dsh --profile default --dump-config — see the install guide.

Source

Tags

Creators

Readme

dsh-sidebar-browser-control

npm version CI license DSH

让 Agent 直接驱动 DSH 自带的内置浏览器（右侧栏的「浏览器」tab），而不是再开一个 Chromium。

English →

你 › 在内置浏览器里打开文档页，告诉我 API 那一节讲了什么
AI › browser_control { action: "open", url: "https://example.com/docs" }
     browser_page   { action: "text" }

为什么不用 CDP / Playwright 方案

npm 上已有一个走 CDP 的 DSH 浏览器插件（dsh-browser-control）。本插件是它的应用内对照物， 差别就是价值所在：

本插件 CDP / Playwright 封装
驱动对象 DSH 已经自带的那只浏览器 tab 另起的浏览器进程
你在哪看到 右侧栏，就在会话旁边 另一个窗口
额外运行时 无 浏览器 + driver
登录态 该 tab 已在用的工作区分区 你自己另外配
能力边界 只有这个 tab 任意页面、无头、截图

想和 AI 一起看着同一个页面做事，用这个；要无头自动化、下载、截图，用 CDP 方案。

能做什么

工具 动作
browser_tabs 列出内置浏览器已打开的标签：id、实时标题、URL、所属会话、面板状态、是否支持页面级控制
browser_control open · navigate · back · forward · reload · close · focus · expand · collapse · fullscreen · split · float · dock · external
browser_page text · links · elements · eval · click · type · scroll · wait（仅 Desktop）
/browser open <url> · tabs · back · forward · reload · close · focus · expand · collapse · fullscreen · split · float · dock · external · read

工具和斜杠命令共用同一份实现，所以 /browser open … 不花模型轮次，行为与工具完全一致。

安装

它就是一个普通 DSH bundle，plugin manager 接受的任何 spec 都能用。

从 npm 安装（已发布为 dsh-sidebar-browser-control）。让 Agent 装，无需重启：

plugin_manager { action: install_bundle, target: "dsh-sidebar-browser-control" }

或用 CLI：

dsh plugin --profile desktop add dsh-sidebar-browser-control

从 GitHub 安装（想跟 main 分支时用）：

plugin_manager { action: install_bundle, target: "github:XUFENGCHINA/dsh-sidebar-browser-control" }

从本地 checkout 安装（开发用）：

dsh plugin --profile desktop add link:/绝对路径/到/本仓库

卸载：plugin_manager { action: "remove_bundle", target: "dsh-sidebar-browser-control" }。

本地开发时改完 client.js 要请 Host 重新扫描 bundle（set_bundle 关一次再开一次）—— 客户端产物是按快照提供的，光改文件不会生效。

用法

直接说就行（右侧栏要有屏幕上的会话）：

  • 「在内置浏览器打开 https://news.ycombinator.com，总结前 5 条」
  • 「在内置浏览器里点 Sign in，告诉我表单要填什么」
  • 「在内置浏览器用 Bing 搜 DeepSeek Harness，给我前三条结果」
  • /browser open https://example.com —— 输入框直接敲，不经过模型

驱动它时值得知道的两条实际行为：

  • 新窗口打开的链接会变成一个新的侧栏标签**：DSH 把 popup 请求转成了独立的 tab。 browser_page click 会把它报成 opened_tab/opened_url，请接着用那个 id—— 原标签仍停在原来的页面上。
  • 加载失败的页面会明确报出来：DNS、网络、证书、以及反爬挑战失败时，标签里是 Chromium 错误页；页面级动作会明确说明这一点，而不是返回空内容让你误以为"页面是空的"。

工作原理

浏览器活在 Web 渲染进程里，工具活在 Host 进程里，而 DSH 没有面向第三方插件的 Host → Client 调用。于是插件拆成两半，用 4 条回环路由相连（Host → Client 走长轮询， 两个方向都没有定时轮询）；导航与布局全部走公开的 ctx.sidebarRight， 所以内置地址栏、历史、重启恢复逻辑始终是权威。

完整协议、设计取舍、以及它依赖的 DSH 内部细节见 docs/architecture.md。

安全

browser_page eval 会在该 tab 的页面里执行任意 JavaScript，并带着那个页面的 Cookie—— 你在里面登录过什么，Agent 就能以你的身份在那个 tab 里做什么。工具调用会连同参数进会话日志， 但请把这三个工具当作「允许对方看你的屏幕」来对待。4 条路由只放行 DSH 自身来源（跨站 CSRF 打不进来）， 且只有本插件自己的工具能下发命令。细节见 SECURITY.md。

兼容性

已在 DSH Desktop 0.2.0-rc.2 / Electron 44 / Windows x64 上端到端实测： 列出、打开、导航、前进后退、刷新、读取正文、eval、列出元素、点击、输入并提交、 浮窗/停靠、关闭、展开/收起。Web profile 只能做标签与布局控制（sandbox iframe 读不到页面内容）。

插件只依赖公开服务（ctx.sidebarRight、ctx.webServer、ctx.tools、ctx.commands） 以及若干由随包 Sidebar 拥有的 DOM 标记。标记一旦变化，页面级动作会明确报错， 而标签与布局控制照常可用；依赖清单见 docs/architecture.md。

已知限制

  • 没有截图。 webview.capturePage() 在实测环境下让 Electron 渲染进程原生崩溃， 因此该能力被移除，调用会明确拒绝并说明原因。证据与可行替代方案见 docs/architecture.md。
  • 页面级操作仅 Desktop。
  • tab id 只在会话内唯一；重名时以 <会话id>#<tabN> 形式给出并接受。
  • 动作为选择器式（无坐标点击、上传、下载），且作用于屏幕上显示的会话（ctx.sidebarRight 的语义）。

开发

无构建步骤、无依赖：client.js 就是交付产物，按 loader 的 classic-script 格式手写。

npm test        # 离线协议测试：stub context + 真实 HTTP + 假 Client 半
npm run verify  # 语法 + 协议测试 + 打包产物自足性检查

npm test 不需要运行中的 DSH，因此在 CI 和全新 checkout 上都能跑。 规范与「保证可加载」的几条硬约束见 CONTRIBUTING.md， 发布流程见 RELEASING.md。

许可

MIT