Agent

فاز آزمایشی

قابلیت Agent در حال حاضر هنوز در فاز آزمایشی است؛ APIها و رفتارهای زیر ممکن است قبل از انتشار رسمی تغییر کنند.

نمای کلی

ScriptCat v1.4 سیستم Agent را معرفی می‌کند و به اسکریپت‌های کاربری مجموعه‌ای از قابلیت‌ها از جمله گفتگوی هوش مصنوعی، اتوماسیون مرورگر، مدیریت فایل و کارهای زمان‌بندی‌شده می‌دهد.

اسکریپت‌ها این قابلیت‌ها را از طریق فضای نام CAT.agent.* فراخوانی می‌کنند و هر API مستلزم اعلام مجوز مربوطه با @grant است.

ماژول‌های ویژگی

ماژول	مجوز	توضیحات
گفتگو	`@grant CAT.agent.conversation`	ایجاد گفتگوهای هوش مصنوعی، ارسال پیام، پخش پاسخ‌ها، تعریف ابزارهای سفارشی
عملیات DOM	`@grant CAT.agent.dom`	ناوبری صفحه، اسکرین‌شات، کلیک، پر کردن، اسکرول، نظارت DOM
Skill	`@grant CAT.agent.skills`	نصب/حذف/فراخوانی بسته‌های Skill
کارهای زمان‌بندی‌شده	`@grant CAT.agent.task`	کارهای زمان‌بندی‌شده cron، گوش دادن به رویداد
مدل	`@grant CAT.agent.model`	پرس‌وجوی اطلاعات مدل پیکربندی‌شده (فقط‌خواندنی)
فایل‌های OPFS	`@grant CAT.agent.opfs`	خواندن/نوشتن فایل‌های فضای کار Agent
MCP	—	پیکربندی اتصالات سرور MCP (فقط صفحه مدیریت، بدون API اسکریپت)
توسعه Skill	—	راهنمای توسعه SKILL.cat.md + SkillScript

شروع سریع

ساده‌ترین اسکریپت Agent ممکن:

// ==UserScript==
// @name        سلام Agent
// @match       *://*/*
// @grant       CAT.agent.conversation
// ==/UserScript==

const conv = await CAT.agent.conversation.create();
const reply = await conv.chat("سلام، لطفاً خودتان را معرفی کنید");
console.log(reply.content);

نمای کلی معماری

سیستم Agent چندین زمینه ایزوله درون افزونه مرورگر را در بر می‌گیرد:

User script → Sandbox (isolated execution)
              ↓ WindowMessage
           Offscreen (DOM access)
              ↓ ExtensionMessage
           Service Worker (core scheduling)
              ├── LLM Provider (OpenAI / Anthropic)
              ├── ToolRegistry (tool registration and execution)
              ├── SkillScriptExecutor (Skill script execution)
              ├── MCPClient (MCP protocol client)
              └── TaskScheduler (scheduled task scheduling)

ساختار ذخیره‌سازی

Agent داده‌ها را با استفاده از OPFS مرورگر (سیستم فایل خصوصی مبدأ) ذخیره می‌کند:

agents/
├── conversations/       # تاریخچه گفتگو
├── attachments/         # پیوست‌ها (تصاویر، فایل‌ها)
├── skills/{name}/       # فایل‌های بسته Skill
│   ├── SKILL.cat.md
│   ├── scripts/
│   └── references/
├── tasks/               # پیکربندی و سوابق اجرای کارهای زمان‌بندی‌شده
└── workspace/           # فایل‌های فضای کار کاربر (دایرکتوری که ابزارهای opfs_* روی آن کار می‌کنند)

مدل‌های پشتیبانی‌شده

ارائه‌دهنده	قالب	ویژگی‌ها
سازگار با OpenAI	OpenAI Chat Completions API	از GPT-4o، DeepSeek و سایر مدل‌های سازگار پشتیبانی می‌کند
Anthropic	Anthropic Messages API	از خانواده Claude، Prompt Caching پشتیبانی می‌کند
Zhipu	Zhipu API	از خانواده مدل‌های GLM پشتیبانی می‌کند

برای استفاده، یک ارائه‌دهنده و کلید API را تحت «پیکربندی مدل» در داشبورد اضافه کنید.

اکوسیستم Skill

یک Skill بسته‌ای است که prompt + اسکریپت‌های ابزار + مواد مرجع را ترکیب می‌کند و به شما امکان می‌دهد دانش حوزه‌ای و ابزارهای سفارشی را به Agent تزریق کنید.

مخزن رسمی Skill: scriptscat/skills

شامل Skillهای آماده برای اتوماسیون مرورگر، کارهای زمان‌بندی‌شده، ابزار ایجاد Skill، نمونه‌های گفتگو/DOM/پیکربندی و موارد دیگر است.

روش‌های نصب:

نصب URL — URL SKILL.cat.md را مستقیماً در مرورگر باز کنید؛ ScriptCat به طور خودکار آن را رهگیری می‌کند و صفحه نصب را نشان می‌دهد. همچنین می‌توانید URL را زیر Agent → مدیریت Skill در داشبورد قرار دهید.
نصب اسکریپت — به صورت برنامه‌نویسی از طریق API CAT.agent.skills.install() نصب کنید

بررسی به‌روزرسانی‌ها:

یک Skill نصب‌شده از طریق URL منبع نصب خود را ثبت می‌کند؛ داشبورد به شما امکان می‌دهد با یک کلیک به‌روزرسانی‌ها را بررسی و ارتقا دهید (بر اساس مقایسه semver فیلد version).

برای جزئیات به API مدیریت Skill و راهنمای توسعه Skill مراجعه کنید.

نمای کلی​

ماژول‌های ویژگی​

شروع سریع​

نمای کلی معماری​

ساختار ذخیره‌سازی​

مدل‌های پشتیبانی‌شده​

اکوسیستم Skill​