企业官网建设流程全解析

1. 为什么我劝你先搞懂 agent-browser 再碰浏览器自动化

OpenClaw 的 agent-browser 技能，说白了就是给 AI 装了一双能操作浏览器的手。它能做什么？打开网页、点按钮、填表单、抓文本、截图存档，甚至把「查资料」和「发邮件」串成一条流水线。适合谁？适合那些想让 AI 替自己跑重复网页流程的人——比如每天盯某个数据面板、批量填测试表单、把搜索结果整理成结构化文档。但很多人第一次跑就卡在browserContext.newPage: Target page, context or browser has been closed，然后开始怀疑人生。

我实测下来，这个报错九成不是工具坏了，而是浏览器实例状态乱了，或者你的模型通道没配好导致技能加载到一半就断了。这篇就按「初始化 → 技能加载 → 配置骨架 → 验证请求 → 排坑」的顺序走一遍，中间会把 TaoToken 的统一 Key/API 通道接进来，让你一次跑通。命令行部分给完整可复制的命令，配置文件给能直接改的骨架，报错部分按现象分类给排查路径。你不需要先成为 OpenClaw 专家，跟着敲就行。

2. TaoToken 前置：把 Key 和 API 通道先理顺

agent-browser 本身是本地技能，但它背后的「大脑」——也就是理解你自然语言指令、决定点哪个元素的模型——需要走 API。如果你用多个模型供应商，Key 散落在各处，技能加载时容易因为某个通道超时被判定为「未激活」。TaoToken 在这里的作用是统一入口：一个 Key 管多个模型，API 地址固定，省得你在 config.toml 里来回换 base_url。

先拿 Key。打开 https://taotoken.net/api-keys ，登录后创建一个新 Key，复制出来。注意这个 Key 只在创建时完整显示一次，丢了就重建。然后确认你的 API 通道地址是https://taotoken.net/api，这个地址不加任何多余参数，直接作为 OpenAI 兼容的 base_url 用。

提示：不要把 Key 硬编码进脚本再提交到 Git。用环境变量或者本地配置文件，后面 config.toml 骨架里我会留出读取位置。

如果你还没决定用哪个模型跑 agent-browser，可以先到 https://taotoken.net/models 看看当前可用的对话模型列表，选一个响应快、支持工具调用的。浏览器自动化对模型的指令遵循能力要求高，选错了会出现「让它点 @e1 它去填 @e2」这种离谱操作。

3. 可复制配置：config.toml 与 settings.json 骨架

OpenClaw 的配置分两层：config.toml管全局通道和技能开关，settings.json管 agent-browser 自己的运行参数。下面两个骨架你直接复制改。

3.1 config.toml 骨架

# ~/.openclaw/config.toml [api] provider = "taotoken" base_url = "https://taotoken.net/api" api_key = "${TAOTOKEN_API_KEY}" # 从环境变量读取，别写死 model = "gpt-4o-mini" # 换成你在 TaoToken 控制台确认可用的模型 [skills] enabled = ["agent-browser", "email"] [skills.agent-browser] headless = true # 无头模式，服务器上跑必须开 timeout_ms = 30000 # 单步操作超时，网络慢就调大 snapshot_format = "interactive" # 只给可交互元素分配 @e 标识

这里api_key用${TAOTOKEN_API_KEY}占位，你在 shell 里export TAOTOKEN_API_KEY="你的Key"就行。headless = true在本地调试时可以临时改 false，方便肉眼看浏览器动作。

3.2 settings.json 骨架

{ "browser": { "executablePath": "", "userDataDir": "~/.agent-browser/profile", "args": ["--no-sandbox", "--disable-dev-shm-usage"] }, "snapshot": { "maxElements": 200, "includeHidden": false }, "retry": { "openAttempts": 3, "backoffMs": 1500 } }

userDataDir单独放一个目录，别和系统 Chrome 共用，否则进程冲突概率翻倍。--no-sandbox在容器环境里基本是必须的，本地 Windows 可以去掉。retry.openAttempts设 3 次，配合后面的排坑能自动扛过偶发的启动失败。

3.3 初始化与技能加载

# 安装（确认版本 0.16.1+） npm install -g agent-browser@latest agent-browser --version # 加载技能并确认状态 openclaw skill list openclaw skill enable agent-browser openclaw skill status agent-browser

skill status返回active才算加载成功。如果返回inactive或error，先看第 5 节的排查表。

4. 验证请求：从 open 到 snapshot 跑通一次

配置好了别急着上复杂任务，先用最小闭环验证通道和浏览器都活着。

# 1. 打开页面 agent-browser open https://example.com # 2. 获取交互快照，元素会分配 @e1 @e2 ... agent-browser snapshot -i # 3. 读取标题文本 agent-browser get text @e1 # 4. 截图存档 agent-browser screenshot --full /tmp/verify.png # 5. 关闭实例 agent-browser close

如果第 2 步返回了带@e标识的元素列表，说明浏览器和技能都正常。接着验证模型通道是否真的通了——在 OpenClaw 对话里输入：

展示当前可用的 Skills

返回列表里 agent-browser 状态为「已激活」，再输入一条自然语言指令：

用浏览器访问 example.com，读取页面主标题并告诉我

模型能正确调用 agent-browser 并返回标题，说明 TaoToken 通道、技能加载、浏览器实例三者全部打通。这一步过了，后面才是真正的自动化。

5. 本篇常见错排查

5.1 browserContext.newPage: Target page, context or browser has been closed

这是最高频的报错。按顺序排查：

# 先看浏览器进程是否残留 agent-browser list # Windows 清理残留进程 taskkill /F /IM chrome.exe taskkill /F /IM chromium.exe # 重新初始化 agent-browser close agent-browser open https://example.com

如果清理后仍报错，检查settings.json里的userDataDir是否被另一个进程占用。换个目录再试。还不行就开调试日志：

# PowerShell $env:DEBUG="agent-browser*" agent-browser open https://example.com # CMD set DEBUG=agent-browser* agent-browser open https://example.com

日志里会明确写出是启动超时、端口占用还是可执行文件路径错误。

5.2 技能显示 inactive 或加载超时

多半是 API 通道问题。检查config.toml里base_url是否为https://taotoken.net/api，api_key环境变量是否真的导出成功：

echo $TAOTOKEN_API_KEY # Linux/macOS echo %TAOTOKEN_API_KEY% # Windows CMD

如果为空，重新 export 再openclaw skill reload agent-browser。另外确认模型名在 TaoToken 控制台里是可用状态，写错模型名也会导致技能初始化时握手失败。

5.3 snapshot 返回空列表

页面还没加载完就抓快照了。在settings.json里把timeout_ms调大，或者在 open 之后手动等一下再 snapshot。SPA 页面尤其明显，DOM 是异步渲染的。可以先用agent-browser screenshot看看页面到底长什么样，确认不是白屏或跳到了登录页。

5.4 点击 @e1 没反应

快照过期了。页面一旦发生跳转或局部刷新，之前的@e标识就失效。正确做法是每次交互前重新snapshot -i，拿最新的标识再操作。别复用旧标识，这是新手最容易踩的坑。

6. 把通道固定下来，后面才省心

跑通一次之后，建议把环境变量写进 shell 的启动文件，别每次开终端都手动 export。长期做编码类或 Agent 类任务的话，可以到 https://taotoken.net/coding-plan 看看套餐，把额度和通道固定下来，避免跑到一半 Key 限流导致技能掉线。需要接 Claude Code 这类工具的，参考 https://taotoken.net/claude-code-anthropic 的接入说明，base_url 和 Key 的用法和这里一致。

排障和接入细节如果还有卡住的，直接翻 https://taotoken.net/doc 和 https://taotoken.net/api-keys 的说明页，比在群里问快。模型选型不确定就去 https://taotoken.net/models 对比一下再定。整套流程的核心就一句话：通道先通，技能再加载，最后才谈自动化。顺序反了，报错会多到你怀疑工具本身。