Agent 可以開啟網頁、點擊和擷取螢幕截圖嗎？
在支援瀏覽器工具的環境中執行明確的頁面操作。
瀏覽器操作與文字提取不同
網頁文字提取適用於提取公開可用的文字；瀏覽器操作可以在支援的環境中存取頁面、檢查狀態、點擊和擷取螢幕截圖，適用於需要觀察佈局或動態互動的任務。Agent 是否能執行這些操作取決於當前環境的工具支援和連線狀態。
不要假設每個線上任務都使用真實的瀏覽器。
提供具體的頁面目標
例如，「開啟一個公開頁面，檢查行動版導覽是否涵蓋內容，並儲存螢幕截圖。」明確指定要檢查的狀態、螢幕條件和輸出，比「幫我檢查網站」更有可能產生可驗證的結果。
對於介面問題，請提供問題發生的頁面路徑和重現步驟，並要求記錄每個步驟的實際狀態。螢幕截圖最好能表明它們是在操作之前還是之後拍攝的；僅有最終螢幕截圖通常無法證明中間互動是否按要求發生。
- 確認目標網頁和允許的操作範圍。
- 指定要觀察的頁面狀態或互動。
- 要求螢幕截圖或實際可見的結果。
- 對於提交或修改，請先確認具體操作。
登入與環境界限
不應假設 Agent 使用的瀏覽器具有您常規瀏覽器的登入狀態；雲端和本地環境可能會看到不同的頁面。當出現驗證碼、登入提示或存取被拒時，請按照網站要求處理；無法保證自動完成。即使頁面顯示成功，也請驗證最終狀態，特別是對於重新導向、上傳和表單提交。