Automatización del navegador

Triggerfish proporciona control profundo del navegador a través de una instancia de Chromium gestionada usando CDP (Chrome DevTools Protocol). El agente puede navegar por la web, interactuar con páginas, rellenar formularios, capturar capturas de pantalla y automatizar flujos de trabajo web -- todo bajo la aplicación de políticas.

Arquitectura

La automatización del navegador se basa en puppeteer-core, conectándose a una instancia de Chromium gestionada vía CDP. Cada acción del navegador pasa por la capa de políticas antes de llegar al navegador.

Triggerfish detecta automáticamente navegadores basados en Chromium incluyendo Google Chrome, Chromium y Brave. La detección cubre las rutas de instalación estándar en Linux, macOS, Windows y entornos Flatpak.

La herramienta browser_navigate requiere URLs http:// o https://.

Los esquemas internos del navegador (como chrome://, brave://, about:) no están soportados y devolverán un error con indicaciones para usar una URL web.

El perfil del navegador está aislado por agente. La instancia de Chromium gestionada no comparte cookies, sesiones ni almacenamiento local con su navegador personal. El autocompletado de credenciales está desactivado por defecto.

Acciones disponibles

Acción	Descripción	Ejemplo de uso
navigate	Ir a una URL (sujeto a política de dominio)	Abrir una página web para investigación
snapshot	Capturar una captura de pantalla de la página	Documentar un estado de la interfaz, extraer información visual
click	Hacer clic en un elemento de la página	Enviar un formulario, activar un botón
type	Escribir texto en un campo de entrada	Rellenar un cuadro de búsqueda, completar un formulario
select	Seleccionar una opción de un desplegable	Elegir de un menú
upload	Subir un fichero a un formulario	Adjuntar un documento
evaluate	Ejecutar JavaScript en el contexto de la página (sandbox)	Extraer datos, manipular el DOM
wait	Esperar a un elemento o condición	Asegurar que la página ha cargado antes de interactuar

Aplicación de política de dominios

Cada URL a la que el agente navega se comprueba contra una lista de dominios permitidos y denegados antes de que el navegador actúe.

Configuración

browser:
  domain_policy:
    allow:
      - "*.example.com"
      - "github.com"
      - "docs.google.com"
      - "*.notion.so"
    deny:
      - "*.malware-site.com"
    classification:
      "*.internal.company.com": INTERNAL
      "github.com": INTERNAL
      "*.google.com": INTERNAL

Cómo funciona la política de dominios

1. El agente llama a browser.navigate("https://github.com/org/repo")
2. Se activa el hook PRE_TOOL_CALL con la URL como contexto
3. El motor de políticas comprueba el dominio contra las listas de permitidos/denegados
4. Si está denegado o no está en la lista de permitidos, la navegación se bloquea
5. Si está permitido, se consulta la clasificación del dominio
6. La contaminación de sesión escala para coincidir con la clasificación del dominio
7. La navegación procede

SEGURIDAD Si un dominio no está en la lista de permitidos, la

navegación se bloquea por defecto. El LLM no puede anular la política de dominios. Esto evita que el agente visite sitios web arbitrarios que puedan exponer datos sensibles o desencadenar acciones no deseadas. :::

Capturas de pantalla y clasificación

Las capturas de pantalla capturadas mediante browser.snapshot heredan el nivel de contaminación actual de la sesión. Si la sesión está contaminada como CONFIDENTIAL, todas las capturas de esa sesión se clasifican como CONFIDENTIAL.

Esto importa para la política de salida. Una captura clasificada como CONFIDENTIAL no puede enviarse a un canal PUBLIC. El hook PRE_OUTPUT aplica esto en la frontera.

Contenido extraído y linaje

Cuando el agente extrae contenido de una página web (mediante evaluate, leyendo texto o analizando elementos), los datos extraídos:

• Se clasifican según el nivel de clasificación asignado al dominio
• Crean un registro de linaje rastreando la URL de origen, el momento de extracción y la clasificación
• Contribuyen a la contaminación de sesión (la contaminación escala para coincidir con la clasificación del contenido)

Este seguimiento de linaje significa que siempre puede rastrear de dónde vinieron los datos, incluso si fueron extraídos de una página web hace semanas.

Controles de seguridad

Aislamiento del navegador por agente

Cada agente obtiene su propio perfil de navegador. Esto significa:

• Sin cookies compartidas entre agentes
• Sin almacenamiento local ni de sesión compartido
• Sin acceso a las cookies o sesiones del navegador del anfitrión
• Autocompletado de credenciales desactivado por defecto
• Las extensiones del navegador no se cargan

Integración con hooks de política

Todas las acciones del navegador pasan por los hooks de política estándar:

Hook	Cuándo se activa	Qué comprueba
PRE_TOOL_CALL	Antes de cada acción del navegador	Lista de dominios, política de URL, permisos de acción
POST_TOOL_RESPONSE	Después de que el navegador devuelve datos	Clasificar respuesta, actualizar contaminación, crear linaje
PRE_OUTPUT	Cuando el contenido del navegador sale del sistema	Comprobación de clasificación contra el destino

Límites de recursos

• Timeout de navegación evita que el navegador se quede colgado indefinidamente
• Límites de tamaño de carga de página evitan consumo excesivo de memoria
• Se aplican límites de pestañas simultáneas por agente

Controles empresariales

Los despliegues empresariales tienen controles adicionales de automatización del navegador:

Control	Descripción
Clasificación a nivel de dominio	Los dominios de intranet se clasifican automáticamente como INTERNAL
Lista de dominios bloqueados	Lista gestionada por admin de dominios prohibidos
Política de retención de capturas	Cuánto tiempo se almacenan las capturas capturadas
Registro de auditoría de sesiones	Registro completo de todas las acciones del navegador para cumplimiento
Desactivar automatización	El admin puede desactivar la herramienta del navegador completamente para agentes o roles específicos

Ejemplo: Flujo de trabajo de investigación web

Un flujo de trabajo típico del agente usando automatización del navegador:

1. Usuario: "Investiga los precios de la competencia en example-competitor.com"

2. Agente: browser.navigate("https://example-competitor.com/pricing")
          -> PRE_TOOL_CALL: dominio "example-competitor.com" comprobado contra lista de permitidos
          -> Permitido, clasificado como PUBLIC
          -> La navegación procede

3. Agente: browser.snapshot()
          -> Captura de pantalla capturada, clasificada al nivel de contaminación de la sesión (PUBLIC)

4. Agente: browser.evaluate("document.querySelector('.pricing-table').innerText")
          -> Texto extraído, clasificado como PUBLIC
          -> Registro de linaje creado: source=example-competitor.com/pricing

5. Agente: Resume la información de precios y la devuelve al usuario
          -> PRE_OUTPUT: datos PUBLIC al canal del usuario -- PERMITIDO

Cada paso se registra, clasifica y es auditable.