企业官网建设流程全解析

Craft Agent v0.6.0 实战指南：内置浏览器、文档工具与多面板分支工作流

【免费下载链接】craft-agents-oss项目地址: https://gitcode.com/GitHub_Trending/cr/craft-agents-oss

Craft Agent v0.6.0 是一次以“内置能力”为核心的大版本升级：Agent 不再依赖外部浏览器扩展或 Python 文档处理包，而是直接内置了完整的浏览器自动化能力与全套文档处理工具，同时引入会话分支与多面板布局，让多任务并行与结果对比成为日常操作。本文以官方发布说明为主线，结合仓库源码逐项拆解这些能力的真实实现与实战用法，读完你既能掌握browser_tool的命令全集，也能理解文档工具链与特权审批机制的底层设计。

集成浏览器：从“打开网页”到“端到端自动化”

v0.6.0 最核心的变化是：Craft Agent 拥有了完整的内置浏览器——无需安装扩展、无需外部工具，Agent 可以在应用内部直接浏览网页、填写表单、提取数据并截屏。

发布说明概括了四个关键特性：

• 应用内浏览器面板—— 浏览器窗口以面板形式与对话并排打开，你可以实时观察 Agent 的导航过程；
• 特权执行审批—— 敏感浏览器操作需要显式批准，用户始终掌握控制权；
• 智能截图—— 默认使用 JPEG 格式，配合正确的 DPI 缩放，更快、更小；
• 完整 CLI 命令集—— 导航、点击、填写、滚动、截屏、执行 JS、管理下载等一应俱全。

从源码看browser_tool的命令全集

在源码中，浏览器能力被封装为单一的会话级工具browser_tool，其完整命令说明位于 browser-tools.ts。这是一个 CLI 风格的工具：支持字符串模式（可用分号批量执行，如fill @e1 value; fill @e2 value; click @e3）与数组模式（保留原始参数中的分号、制表符与换行，推荐用于evaluate和paste这类含特殊字符的场景）。

从工具描述与BrowserPaneFns接口（browser-tools.ts）可以归纳出完整的命令矩阵：

值得注意的是，截图参数（browser-tools.ts）明确支持format: 'png' | 'jpeg'与jpegQuality，而browser-pane-manager.ts中截图实现同样维护了 PNG/JPEG 双格式支持（见 browser-pane-manager.ts），这正是发布说明中“JPEG 默认、更快更小的截图”的技术落点。会话结束后，工具描述会提示 Agent 调用close关闭窗口或release释放覆盖层，把浏览控制权交还给用户。

特权执行审批：控制权在用户手中

“敏感浏览器操作需要显式批准”的实现主体是 privileged-execution-broker.ts。从源码看，该模块承担三项职责：

1. 审批绑定：为每次特权请求生成requestId，对命令做 SHA-256 哈希（commandHash），批准时校验哈希一致，防止请求被篡改；
2. TTL 过期：默认审批有效期DEFAULT_APPROVAL_TTL_SECONDS = 120秒（privileged-execution-broker.ts），超时自动拒绝；
3. 策略与审计：内置白名单策略（当前仅放行brew install/upgrade --cask与installer -pkg ... -target /类命令，见 privileged-execution-broker.ts），所有请求创建、批准、拒绝、过期、哈希不匹配事件都会追加写入审计日志~/.craft-agent/logs/privileged-actions.jsonl。

也就是说，敏感操作会经历“策略预检 → 用户审批（带过期时间）→ 哈希校验 → 审计落盘”的完整链路，任何一步不通过都不会执行。

端到端自动化场景

内置浏览器真正的价值在于打通“数据”与“行动”之间的最后一环。官方示例是：从 Amplitude 拉取本周指标 → 在内网工具中填写周报表单 → 把摘要发布到 Slack。整个过程无需人工介入，浏览器面板可以实时展示每一步的导航、填写与提交。

文档工具：告别pip install python-docx

v0.6.0 内置了整套文档处理工具，覆盖 PDF、Word、Excel、PowerPoint、图片与日历文件，无需任何 Python 包或外部依赖。

发布说明列出的八个工具在系统提示词中有完整的命令示例，见 system.ts：

所有工具都支持--help查看完整用法，并支持-o <file>将输出写入文件而非标准输出。系统提示词还给出了两条实用建议（system.ts）：

• 把markitdown 当作万能转换器，它覆盖.docx、.xlsx、.pptx、.pdf、.html、.ipynb等格式；
• 当 Read 工具读取二进制文件（如.docx、.xlsx）失败时，用markitdown <file>转成可读文本再继续。

源码中的文件类型映射

在 claude-agent.ts 中可以看到各扩展名对应的推荐处理工具：.pdf走markitdown or pdf-tool extract，.docx走markitdown，.xlsx走markitdown or xlsx-tool read，.pptx走markitdown or pptx-tool extract，.doc/.xls/.ppt以及邮件格式.msg/.eml/.rtf则统一交给markitdown。这解释了为什么“读取二进制文件”在 v0.6.0 中不再是障碍——文件上传读取链路会对 Office 扩展名走 base64 读取并交由 markitdown 转换（见 files.ts）。

典型工作流

官方给出的组合示例极具代表性：从 Google Drive 下载最新报告 → 用 markitdown/xlsx-tool 提取数据表格 → 为每条行动项创建一条 Linear issue。相比以往先要“装 pandas”、再写脚本解析，如今一句话即可完成整条数据流水线。

分支与多面板：并行探索，不再怕走错路

工作区现在支持会话分支与多面板同时查看：

• 会话分支（Session branching）—— 在对话的任意节点分叉，并行探索不同方案，原对话线程不受影响；
• 多面板视图（Multi-panel view）—— 浏览器、文档、对话并排展示；
• 新会话列表设计—— 会话管理更清晰、更有序。

实际用法：并行对比两种实现策略、写代码时旁边常驻浏览器面板、并排比较两份输出。分支的意义在于——永远不必担心“走错了路”，分支重试即可。这一能力与上一节的浏览器、文档工具形成配合：你可以同时开着浏览器面板观察 Agent 操作、打开文档面板查看处理结果，再回到对话继续调整指令。

模型更新

• Sonnet 4.6—— 所有 Sonnet 4.5 连接自动迁移到 Sonnet 4.6；
• Copilot 模型匹配—— 修复了 GitHub Copilot 连接的模型 ID 解析问题；
• 连接兼容性—— 修复anthropic_compat连接拒绝裸模型名（bare model names）的问题。

这些修复都属于连接层（llm-connections、模型解析模块）的兼容性收尾，目的是让不同来源的模型连接都能稳定解析并执行会话。

改进

v0.6.0 还包含一批面向安全、稳定性与可发现性的改进：

• 探索模式安全基线—— 默认白名单在原有只读搜索命令基础上，新增常见 typecheck 命令（bun run typecheck、tsc --noEmit等），降低开发者在探索模式下的摩擦；
• 会话工具可靠性—— 统一了 Claude、Pi、session-mcp-server 各后端的工具列表与执行逻辑，防止漂移；
• 权限模式处理—— 改进权限模式切换时的会话状态跟踪；
• 工作区作用域—— source 与 skill 的广播消息现在限定在活动工作区内，避免跨工作区干扰；
• 自动化可发现性—— 空自动化状态页新增 “Learn More” 与 “Add Automation” 入口，并在 Help 菜单补充链接；
• 特性开关健壮性—— 运行时安全求值，避免调试会话中的导入顺序问题；
• 类型检查覆盖——typecheck:all现在包含session-tools-core包。

其中“统一各后端工具列表与执行逻辑”在仓库中有对应佐证：session-tools-core的 handlers 目录（handlers）承载了配置校验、模板渲染、脚本沙箱、状态/标签管理等会话级工具定义，是各后端工具对齐的公共底座。

Bug 修复

• 超大图片—— 防止超大图片永久性破坏会话；
• 图片缩放—— 强化了图片缩放的错误作用域与元数据剥离；
• 工具输入历史—— 从会话历史展示中剥离_displayName/_intent元数据；
• 窗口拖拽区—— 修复 TopBar 拖拽区域；
• 日志噪音—— 清理调试日志，将readFile的 ENOENT 降级为 debug 级别；
• 重复模型—— 修复连接迁移过程中的重复模型条目；
• Git Bash（Windows）—— 修复自 v0.5.0 起被跳过的 onboarding 检查。

_displayName/_intent正是系统提示词中规定的所有 MCP 工具必填元数据字段（见 system.ts），本次修复确保这些用于 UI 反馈与结果摘要的元数据不再污染会话历史本身。

小结

v0.6.0 通过内置浏览器、内置文档工具、分支与多面板三大支柱，把 Craft Agent 从“能聊、能读”推进到“能看、能操作、能并行”的完整自动化 Agent：浏览器面板解决了 Agent 与现实网页的交互问题，markitdown 等文档工具消灭了环境依赖，分支与多面板则让复杂任务的多路并行成为可能。三者叠加，端到端工作流（拉数据 → 处理文档 → 填写表单 → 汇总发布）真正做到了开箱即用。

如果你想深入源码验证，推荐从这三处入手：命令全集看 browser-tools.ts、审批与审计机制看 privileged-execution-broker.ts、文档工具的系统级命令说明看 system.ts。

【免费下载链接】craft-agents-oss项目地址: https://gitcode.com/GitHub_Trending/cr/craft-agents-oss