@gpzhang2001/sharpkit-browser
v0.2.2
Published
view_image screenshot return over the attachment pipeline; browser driving stays exec_command (agent-browser CLI in the sandbox image)
Readme
@gpzhang2001/sharpkit-browser
view_image:把沙箱内的截图以图像内容块回传给模型。浏览器驱动本身不经独立工具——agent 经 exec_command 调容器内 agent-browser CLI,截图默认落在 /workspace/.agent-browser-screenshots/。
view_image
- 相对路径落 screenshotDir;绝对路径必须在工作区内(strix 错误文案)
session.getFile(docker cp 二进制安全)读字节 → magic bytes 识别 PNG/JPEG/WebP/GIF- attachments 管线(mcp-client 对齐):execute 内经
resolveModelInfo证明模型 image input 能力 →attachments.saveImages持久化 →finalizeContent(WeakMap 投影)换入 image block;任一步失败降级为文本诊断,canonical base64 保留——视觉模型缺失不会杀扫描(strixstrip_all_images_from_session的准入侧等价) maxContextImages(默认 3,strix STRIX_MAX_CONTEXT_IMAGES):每 scan 准入预算;窗口级图片剥离属 dsh compaction 层
Config
scanId、screenshotDir、maxImageBytes(5MB)、maxContextImages(3)、workspaceRoot。
测试
tests/browser.test.ts:magic bytes / 路径解析 / 预算 / canonical value / finalizeContent 投影与降级(fake sandbox + attachments + llm)。
