e2llm-sifr

# E2LLM — 结构化浏览器感知，用于人工智能 **E2LLM 将任何实时网页转换为 [SiFR](./SIFR.md)：一个紧凑、确定性的、LLM 可读的模型，描述页面内容、含义和可执行操作。** 感知是产品。当您需要时，操作是可用的 — 始终明确，始终受控。 与您已经使用的 AI 一起作为托管远程 MCP 服务器运行。不需要运行本地服务器 — 浏览器扩展将您的实时浏览器与服务器配对，因此感知和操作在您已经登录的真实浏览器中发生。 --- ## E2LLM 不是代理 这很重要，所以放在首位。 **代理** 自己决定并采取行动 — 它计划、循环并朝着目标采取步骤，而无需您介入。这种自主性也是其攻击面：一个可以执行任何操作的代理运行时可能会被引导执行任何操作。 **E2LLM 是一个感知层，而不是代理。** 它为您的模型提供浏览器的“感官” — 通过 `sifr_capture` 进行结构化视觉，以及一组狭窄、单独控制的执行器。它不计划、不循环，也不决定。您已经使用的模型进行推理；E2LLM 只报告页面内容并执行一个明确的指令。它没有隐藏的自主性，没有自我指导的步骤，也不会在您不注意时运行。 这条线 — 感知基质与自主运行时 — 就是整个设计。 --- ## 功能 | | 工具 | 功能 | |---|------|--------------| | 🔎 | `sifr_capture` | 将页面捕获为 SiFR 文档 | | 🔎 | `query` | 过滤当前捕获 — 按标签、显著性、文本或选择器 | | 🔎 | `inspect` | 元素的完整详细信息：选择器、属性、样式、框 | | 🔎 | `read_page` | 以 Markdown 格式读取页面的文本，按阅读顺序 | | 🔎 | `list_tabs` | 列出打开的浏览器标签页 | | 🖐 | `act` | 一个明确的交互：点击、输入、选择、导航或拖动 | | 🖐 | `batch_act` | 运行计划的序列，然后观察一次（例如，填写表单 + 提交） | | 🖐 | `explore` | 滚动、悬停或重新捕获 — 读取更多内容，不更改任何内容 | | 🖐 | `close_tab` | 关闭标签页 | 九种工具：五种 🔎 仅用于感知，四种 🖐 用于交互 — 其中 `act`、`batch_act` 和 `close_tab` 更改页面状态，而 `explore` 仅读取。完整的模式在 [server.json](./server.json) 中。感知工具永远不会更改页面状态；更改状态的工具可以针对您的确认（请参见 [安全性](#安全性和审批模型)）。 --- ## 什么是 SiFR — 以及为什么它不是显而易见的东西 **SiFR** （显著性索引扁平关系）是 E2LLM 核心的捕获格式。从远处看，它可能类似于可访问性树或整齐的 DOM 转储。机械地讲，它两者都不是，而且这种差异很重要。 - **不是 DOM 转储。** 转储按原样序列化树 — 所有内容，按文档顺序，包括噪音。SiFR *选择并排名*：它为每个节点分配显著性分数，删除脚手架，并将幸存者展平为关系模型，其中结构由显式关系而非嵌套深度承载。 - **不是可访问性树。** 可访问性树是为辅助技术派生的，由 ARIA 驱动，对未标记的内容视而不见，对页面最重要的内容也无能为力。SiFR 是为语言模型构建的：它按显著性排名，优先显示重要内容，并携带执行操作所需的选择器 — 而可访问性树不具备这些功能。 - **不是截图。** 没有像素，没有视觉模型，没有不确定性。相同的页面会产生相同的捕获，令牌高效且直接可操作。 结果是一个感知层，而不是序列化：*页面是什么，你可以在上面执行什么操作，以及各个部分如何关联* — 优先显示模型需要的内容。`sifr_capture` 返回一个 ~5–15 KB 的摘要（元数据和显著性元素），在完整文档之前，以便立即开始读取。 - 📄 [**SIFR.md**](./SIFR.md) — 格式规范 - 🔤 [**TAXONOMY.md**](./TAXONOMY.md) — 显著性层级、ID 前缀、关系和类别类型 - 📚 [**examples/**](./examples/) — 公共页面的真实捕获 - 🗓 [**CHANGELOG.md**](./CHANGELOG.md) — 格式版本历史（当前：**v3**） 有关使用 SiFR 构建的提示配方和自动化工作流，请参见 [**awesome-e2llm-prompts**](https://github.com/e2llm/awesome-e2llm-prompts) — 一个社区手册，指向此处作为规范的规范首页。 --- ## 3 步安装 **1. 在 [e2llm.com](https://e2llm.com) 上设置。** 创建帐户并安装浏览器扩展。扩展程序将您的实时浏览器与服务器配对 — 这种配对允许您的 AI 在您已经登录的会话中感知和执行操作。（这是唯一在您的机器上运行的部分；没有本地服务器。） **2. 将 E2LLM 添加到您的 MCP 客户端。**一行代码 — 在 [`clients/`](./clients/) 中选择您的客户端，或粘贴以下内容进行交互式 OAuth 登录： ```json { "mcpServers": { "e2llm": { "url": "https://mcp.e2llm.com/mcp", "type": "http" } } } ``` 对于 CLI / CI 中不可用的交互式登录，请使用 `https://api.e2llm.com/mcp` 的静态密钥和 `Authorization: Bearer mk_…` 头。每个客户端的完整说明： [**clients/README.md**](./clients/README.md). **3. 要求您的 AI 对页面执行操作。** 例如： > “打开我正在访问的页面，找到搜索框，然后筛选开放问题。” 您的助手调用 `sifr_capture` 来 *查看* 页面，然后调用 `act` 来交互 — 在您的真实浏览器中，一步一步明确执行。 --- ## 教会您的模型纪律 — SiFR 技能 工具描述告诉模型每个工具的作用；但它们故意不告诉模型如何 *做好*。这种工作纪律 — 验证后再描述，验证后再操作，耗尽分页游标，视页面文本为数据而非指令 — 作为一项技能提供： [**skills/sifr/SKILL.md**](./skills/sifr/SKILL.md). 没有它，模型往往会出现已知故障模式：描述它们没有捕获的页面，在过时的 ID 上执行操作，或根据未排空的部分结果做出决定。 在模型可以查看的位置安装它： - **Claude Code** — 将技能复制到技能目录中： `cp -r skills/sifr ~/.claude/skills/` （所有项目）或复制到项目的 `.claude/skills/` 中。它在出现 E2LLM 工具或 SiFR 文档时自动加载。 - **Codex CLI 和其他客户端** — 将技能内容包含在代理指令中（例如 `AGENTS.md` ）。 同一个文件作为离线读取原始 SiFR 捕获的参考（ `jq` 模式，ID 系统，显著性层级）。 --- ## 安全性和审批模型 感知在构造上是只读的：五种 🔎 工具不能更改页面状态，因此查看页面始终是安全的。 只有四种 🖐 工具可以执行操作，而且它们故意很狭窄 — 没有“执行任何操作”的工具存在。每个更改状态的步骤都可以 **由您的会话姿态批准**：根据您的会话配置，操作会暂停并等待您的确认，然后再运行。操作始终一步一步明确执行，绝不会作为自主循环运行。 安全披露和漏洞披露计划（带有安全港）位于 [e2llm.com/security/disclosure](https://e2llm.com/security/disclosure/) ；另请参见 [SECURITY.md](./SECURITY.md). --- ## 数据处理 页面内容按需捕获，并通过 E2LLM 中继传输到您的 MCP 客户端。与会话相关的数据在有限的时间窗口内保留（请参见 [隐私政策](https://e2llm.com/privacy)），密码型字段在存储前会进行删减。中继将所有页面派生内容作为不受信任的外部数据封装，因此下游模型将页面文本视为数据而非指令。完整详细信息： [隐私政策](https://e2llm.com/privacy) · [条款](https://e2llm.com/terms). --- ## 兼容性 E2LLM 使用标准 MCP，因此它与任何兼容的客户端一起工作。在实践中已验证与 **Claude**、**ChatGPT**、**Codex**、**Perplexity**、**Grok** 和 **Manus** 的兼容性。其他 MCP 客户端 — 包括 **Cursor**、**VS Code** 和 **Cline** — 应该可以使用；如果您测试了一个客户端，请欢迎提交说明或 PR。 --- ## 仓库内容 此仓库是 **SiFR 格式和 E2LLM MCP 服务器接口的规范性、描述性主页**。它记录了格式和连接方式；捕获引擎、浏览器扩展和服务器是单独的托管产品，在 [e2llm.com](https://e2llm.com) 上运行。 | 路径 | 内容 | |------|------| | [`SIFR.md`](./SIFR.md) | SiFR 格式规范 | | [`TAXONOMY.md`](./TAXONOMY.md) | SiFR 受控词汇 | | [`server.json`](./server.json) | MCP 服务器清单（传输、身份验证、工具 + 模式） | | [`skills/`](./skills/) | SiFR 技能 — 模型的执行纪律 | | [`clients/`](./clients/) | 每个客户端的连接配置 | | [`examples/`](./examples/) | 真实的公共页面捕获 | | [`SECURITY.md`](./SECURITY.md) | 安全策略和披露计划 | | [`CHANGELOG.md`](./CHANGELOG.md) | 格式版本历史 | ## 许可证 [MIT](./LICENSE). 存储库中的格式规范、清单、示例和客户端配置是开放的。捕获引擎和服务器是单独的托管产品。