什么是Gemini Browser
Gemini Browser 是一款专为自动化操作 Google Gemini AI 而设计的技能工具，通过 OpenClaw Browser Relay 实现与真实 Chrome 浏览器的深度集成。该工具利用 Chrome DevTools Protocol（CDP）直接控制已登录 Google 账号的浏览器会话，自动向 Gemini 发起查询请求并提取 AI 生成的回复内容。由于 Gemini 使用富文本编辑器而非标准输入框，Gemini Browser 提供了 JavaScript 注入机制来模拟用户输入行为，确保查询能够被正确提交和处理。整个操作流程高度依赖人工初始化步骤，包括手动激活浏览器扩展和确认会话状态，从而在提供强大自动化能力的同时保持对敏感会话的控制权。该工具特别适合需要批量调用 Gemini、集成 AI 问答流程或开发辅助决策系统的开发者和技术爱好者。
核心功能特点
- 基于 OpenClaw Browser Relay 实现 Chrome 浏览器自动化控制
- 支持通过 CDP 协议访问真实登录状态的 Google 会话
- 利用 JavaScript 注入方式向 Gemini 富文本编辑器输入查询内容
- 可自动检测响应完成状态并提取 AI 生成结果
- 提供两种响应获取方式：剪贴板复制（推荐）和 DOM 文本抓取
- 内置安全机制要求用户手动附加扩展，防止未经授权访问
适用场景
Gemini Browser 最适用于那些需要将 Google Gemini 的 AI 能力嵌入到自动化工作流中的场景。例如，研究人员可以定期使用它从 Gemini 获取特定领域的知识解答，用于文献综述或实验设计；教育从业者能将其整合进智能辅导系统，为学生提供即时学习反馈；企业开发者则可构建内部问答机器人，利用 Gemini 处理客户服务或技术支持类问题。此外，数据分析师常面临复杂问题拆解需求，该工具可帮助快速获得专业建议以优化分析模型。由于其依赖真实浏览器环境，也适合测试基于 Gemini API 的前端应用原型，或在无法直接使用官方 API 时作为替代方案。需要注意的是，所有涉及敏感信息的操作建议在隔离的 Chrome 配置文件中运行，以降低账户安全风险。