零基礎實作：用 OpenClaw × AWS AgentCore Browser 打造 AI 自動化瀏覽器代理（終極版）

發表於 分類於 ， 閱讀次數： Disqus：

本文為多篇技術實作紀錄的完整整合版，涵蓋從理論基礎、環境建置、核心腳本拆解、身分洗白 (Identity Sanitization)、Profile 持久化，到 OpenClaw SKILL 整合的完整工程生命週期。字數超過 5,000 字，適合從零開始的開發者。

目錄 (TOC)

導言：一場對抗雲端封鎖的工程旅程

在 AI 代理 (AI Agents) 的開發過程中，我們常會遇到一個極其棘手的瓶頸：如何讓 AI 真正「看見」並「操作」複雜的 Web 介面？

傳統的網頁爬蟲技術雖然成熟，但面對需要登入狀態、動態渲染，甚至包含複雜反爬蟲機制的網站時，開發者往往需要耗費大量時間維護主機環境、管理 IP 輪換，以及處理 Cookie 的保鮮問題。

筆者在開發自動化偵察工具時，也曾深陷無止盡的環境配置地獄。而當我試著將瀏覽器代理遷移到雲端，採用 AWS AgentCore Browser 之後，又踩進了另一個更深的坑：主流社群平台對雲端數據中心 IP 的硬封鎖 (Hard Block)。

直接進入 /login 頁面？封。注入 auth_token 然後跳轉首頁？也封。X.com（前身為 Twitter）的機器人偵測系統甚至能在瀏覽器完成第一次 WebSocket 握手前，就決定這次連線的命運。

這篇文章記錄的，不只是一個簡單的「環境建置教學」，而是一段從被封鎖 → 逆向分析 → 身分固化 → 突圍成功的完整工程攻堅旅程。如果你也在嘗試打造具備持久登入狀態的雲端 AI 自動化系統，這份筆記將為你省下至少三天的試錯成本。

Part 1：概念理解（Why & What）

1.1 從痛點出發

傳統的爬蟲開發就像經營一家個人手工作坊。你需要自己找零件（主機）、管電力（IP 輪換）、還要確保工作坊的記憶不消失（Cookie 儲存）。工作坊關門（程式結束）後，所有狀態灰飛煙滅，下次開業又得從頭來過。

AWS AgentCore Browser 則提供了一種工廠外包的模式：

  • 你不需要關心瀏覽器跑在哪台伺服器上。
  • 你只需要發出一條 API 指令，AWS 就會為你啟動一個現成的 Chrome 實體。
  • 任務結束後，AWS 自動回收資源，並可選擇性地將「記憶」（Profile）儲存起來，供下次使用。

但工廠也有代工廠的問題：AWS 的 IP 是公開的企業用 IP 段，很容易被目標網站的安全系統識別為「機器人工廠」，從而觸發更嚴格的封鎖邏輯。這就是我們後面需要「身分洗白」的根本原因。

1.2 核心名詞解釋表

名詞 白話說明
Browser AWS 雲端托管的 Chrome 瀏覽器實體，是所有操作的「硬體載體」。
Custom Browser 由用戶建立的自訂瀏覽器實體，具備更真實的硬體指紋，對比全託管版本更難被識別。
Session 一次「開機到關機」的使用週期。Session 逾時會自動釋放資源並計費結束。
Profile 儲存瀏覽器「記憶」的快照，包含 Cookie、LocalStorage、登入狀態，後端存儲在 S3 或 AWS 內部。
SigV4 AWS 簽章協議 (Signature Version 4)，是所有 AWS API 請求必須通過的安全驗證機制。
automationStream AI 控制瀏覽器的 WebSocket 端點，是「AI 大腦」與「遠端 Chrome」之間的高速公路。
bedrock-agentcore-control 負責「資產管理」的 AWS API，如建立/刪除瀏覽器實體或 Profile。
bedrock-agentcore 負責「運行時操作」的 AWS API，如啟動 Session、儲存 Profile 狀態或強制停止。
身分洗白 (Identity Sanitization) 透過人類手動登入動作，讓 AWS 雲端節點獲得目標平台的信任，並將此信任快照固化至 Profile。

1.3 整體架構圖

這套系統的運作邏輯可以分為三個層次：調度層（OpenClaw）、API 橋接層（Python Scripts）、執行層（AWS Cloud Chrome）。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
┌─────────────────────────────────────────────────────────────┐
│                   OpenClaw Agent (調度層)                    │
│                                                             │
│   SKILL.md ──────────────────────────► 任務決策中樞          │
│       │                                                     │
│       ├── [啟動] aws-browser-link.py                        │
│       │       │ start_browser_session()                     │
│       │       │ SigV4 預簽章                                 │
│       │       ▼                                             │
│       │   WSS URL (帶簽章的 WebSocket 地址)                  │
│       │       │                                             │
│       ├── [控制] browser tool (Playwright WebSocket)        │
│       │       │ 掛載至 AWS 遠端 Chrome                       │
│       │       │ snapshot / act / navigate / evaluate        │
│       │       ▼                                             │
│       │   ┌─────────────────────────────────┐              │
│       │   │     AWS AgentCore Browser        │              │
│       │   │   (真實 Chrome 執行環境)           │              │
│       │   │   Region: us-east-1 / ap-ne-1    │              │
│       │   └─────────────────────────────────┘              │
│       │                                                     │
│       ├── [儲存] aws-save-profile.py                        │
│       │       │ save_browser_session_profile()              │
│       │       │ 將 Session 狀態快照 → Profile (S3/AWS內部)   │
│       │       ▼                                             │
│       │   Profile ID (永久化的登入記憶)                       │
│       │                                                     │
│       └── [清理] aws-manual-stop-v2.py                      │
│               │ stop_browser_session()                      │
│               ▼                                             │
│           Session 銷毀（避免持續計費）                        │
│                                                             │
└─────────────────────────────────────────────────────────────┘
          │                          │
          ▼                          ▼
  bedrock-agentcore              bedrock-agentcore-control
  (運行時 API)                    (資產管理 API)
  - start/stop/save session       - create/delete browser
                                  - create/manage profile

1.4 控制面 vs. 運行時的本質區分

這是最容易混淆的概念，直接影響你使用哪個 API Endpoint：

面向 AWS Service Name 職責
控制面 (Control Plane) bedrock-agentcore-control 資產的生命週期管理：建立、設定、刪除 Browser 實體與 Profile。頻率低，通常一次性操作。
運行時 (Runtime) bedrock-agentcore 即時操作：啟動 Session、儲存 Profile 快照、強制終止 Session。頻率高，每次任務都會呼叫。

簡單記憶法：「control = 製造工廠的設備管理員，runtime = 現場工人」。

Part 2：環境建置（Step by Step）

2.1 AWS 帳號與 IAM 設定

首先，你需要一組具備相關權限的 IAM 使用者 (IAM User) 金鑰。

請在 AWS IAM Console 建立一個新 User，並附加以下權限策略 (Policy)：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Effect": "Allow",
      "Action": [
        "bedrock-agentcore:*",
        "bedrock-agentcore-control:*",
        "s3:GetObject",
        "s3:PutObject",
        "s3:ListBucket",
        "s3:CreateBucket"
      ],
      "Resource": "*"
    }
  ]
}

⚠️ 安全建議：生產環境請遵循最小權限原則 (Principle of Least Privilege)，將 s3:* 範圍縮小至指定的 Bucket ARN，並移除不必要的 bedrock-agentcore-control:DeleteBrowser 等危險操作。

取得 Access Key ID 與 Secret Access Key 後，進入下一步。

2.2 安裝必要套件

核心依賴為 boto3（AWS Python SDK）。如果你的執行環境（如 OpenClaw 沙盒）限制了全域 pip 安裝，可使用 -t 參數將套件裝至指定目錄。

1
2
3
4
5
# 安裝至用戶目錄，避免全域衝突
pip install boto3 -t /home/node/bin

# 驗證安裝
python3 -c "import boto3; print(boto3.__version__)"

若你的腳本需要讀取 -t 安裝的套件，請在腳本頂部加入：

1
2
3
import sys
sys.path.insert(0, '/home/node/bin')
import boto3

2.3 S3 Bucket 建立與職責分工

許多開發者會誤以為 Profile 數據直接儲存在他們建立的 S3 Bucket 裡，這是一個常見的誤解。

實際上，S3 Bucket 的用途取決於你使用的 Browser 類型：

Browser 類型 Profile 存儲位置 你的 S3 Bucket 用途
全託管 Browser (aws.browser.v1) AWS 加密內部儲存，你看不到也摸不到 預留用途（錄影、擴展組件）
Custom Browser 你指定的 S3 路徑，完全透明可控 直接儲存 Profile 快照數據

這就是「Custom Browser」的核心價值：數據主權。你能完整掌控 Profile 的備份與版本管理。

建立 Bucket 指令：

1
aws s3 mb s3://openclaw-browser-profiles --region us-east-1

2.4 環境變數配置（.env 完整清單）

以下是整套系統所需的完整環境變數清單，建議在 OpenClaw 的設定或伺服器的 .bashrc 中統一管理：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# AWS 身份認證
export AWS_ACCESS_KEY_ID="你的_ACCESS_KEY"
export AWS_SECRET_ACCESS_KEY="你的_SECRET_KEY"
export AWS_REGION="us-east-1"           # 建議首選，us-east-1 服務最穩定

# AgentCore Browser 實體識別
# 使用全託管版本時填入 "aws.browser.v1"
# 使用 Custom Browser 時填入你的 Custom Browser ID
export AGENTCORE_BROWSER_ID="openclaw_custom_browser-kfNkq5ny9R"

# 持久化身分 Profile
export AGENTCORE_PROFILE_ID="XMAN_Allen_v1_Final-n6ln2KcAK7"

# Session 逾時設定（秒），建議不超過 3600（1 小時）
export AGENTCORE_SESSION_TIMEOUT=3600

# S3 Bucket（用於錄影或 Custom Browser Profile 存儲）
export AGENTCORE_S3_BUCKET="openclaw-browser-profiles"

2.5 OpenClaw 設定

在 openclaw.json 中確保以下設定正確：

  1. Browser Tool 已啟用：後續我們會將 SigV4 簽章後的 WSS URL 直接注入給 OpenClaw 的 browser 模組。
  2. 環境變數已繫結：確保上述 export 的變數在 OpenClaw 的執行上下文中可被 Python 腳本讀取。
  3. 腳本路徑可存取：建議將所有 Python 腳本統一放置在 /home/node/.openclaw/custom-skills/xman-recon/scripts/。

Part 3：核心腳本逐行拆解（How It Works）

這是整個專案最關鍵的組件，負責完成以下任務鏈：

1
讀取環境變數 → 啟動 AWS Session → 生成 SigV4 預簽章 WSS URL → 輸出給 OpenClaw 掛載

段落 A：SigV4 手動簽章原理

為什麼需要「手動」簽章？因為 boto3 SDK 能呼叫 start_browser_session() 取得 automationStream 的 WebSocket 端點，但這個端點本身就是一個需要 SigV4 驗證的受保護資源。boto3 只能幫你簽署 REST/HTTP 請求，無法直接為 WebSocket 長連接 URL 生成預簽章 (Presigned URL)。

我們需要模擬 AWS 官方的 V4 簽署流程，其數學本質是一個四層 HMAC-SHA256 金鑰派生鏈：

$$\text{kSigning} = \text{HMAC}(\text{HMAC}(\text{HMAC}(\text{HMAC}(\text{“AWS4” + SecretKey}, \text{Date}), \text{Region}), \text{Service}), \text{“aws4_request”})$$

用現實中的類比理解：這就像是在信封上蓋了四層巢狀的防偽蠟封，每一層都由前一層的印章壓出，任何一層偽造都會導致整個簽章無效。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
import hmac, hashlib, datetime, os
from urllib.parse import urlencode, quote

def sign(key, msg):
    return hmac.new(key, msg.encode('utf-8'), hashlib.sha256).digest()

def get_signature_key(secret_key, date_stamp, region, service):
    """四層 HMAC-SHA256 金鑰派生"""
    k_date    = sign(("AWS4" + secret_key).encode("utf-8"), date_stamp)
    k_region  = sign(k_date, region)
    k_service = sign(k_region, service)
    k_signing = sign(k_service, "aws4_request")
    return k_signing

def create_presigned_ws_url(endpoint_url, access_key, secret_key, region,
                             service='bedrock-agentcore', session_token=None):
    """
    生成帶有 SigV4 簽章的 WebSocket Presigned URL
    WebSocket 連線使用 UNSIGNED-PAYLOAD 模式
    """
    now = datetime.datetime.utcnow()
    amzdate    = now.strftime('%Y%m%dT%H%M%SZ')
    datestamp  = now.strftime('%Y%m%d')

    # 構建標準查詢參數
    query_params = {
        'X-Amz-Algorithm':     'AWS4-HMAC-SHA256',
        'X-Amz-Credential':    f'{access_key}/{datestamp}/{region}/{service}/aws4_request',
        'X-Amz-Date':          amzdate,
        'X-Amz-Expires':       '900',   # 15 分鐘有效期
        'X-Amz-SignedHeaders': 'host',
    }
    if session_token:
        query_params['X-Amz-Security-Token'] = session_token

    canonical_querystring = urlencode(sorted(query_params.items()), quote_via=quote)
    # ... (後續簽章步驟省略，完整實作請參考 GitHub 倉庫)

    return f"{endpoint_url}?{canonical_querystring}&X-Amz-Signature={signature}"

段落 B：啟動 Session 並掛載 Profile

這裡最關鍵的參數是 profileConfiguration，它決定瀏覽器啟動時是否攜帶先前固化的「登入記憶」：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
import boto3, os, sys
sys.path.insert(0, '/home/node/bin')

def start_browser_session_with_profile():
    browser_id = os.environ.get('AGENTCORE_BROWSER_ID', 'aws.browser.v1')
    profile_id = os.environ.get('AGENTCORE_PROFILE_ID', '')
    timeout    = int(os.environ.get('AGENTCORE_SESSION_TIMEOUT', 3600))
    region     = os.environ.get('AWS_REGION', 'us-east-1')

    runtime = boto3.client('bedrock-agentcore', region_name=region)

    # 構建請求參數
    params = {
        'browserIdentifier':    browser_id,
        'name':                 'openclaw-auto-session',
        'sessionTimeoutSeconds': timeout,
    }

    # 若存在 Profile ID，則掛載既有登入狀態
    if profile_id:
        params['profileConfiguration'] = {'profileIdentifier': profile_id}
        print(f"[INFO] 掛載 Profile: {profile_id}")
    else:
        print("[WARN] 未指定 Profile，將以全新狀態啟動瀏覽器")

    response = runtime.start_browser_session(**params)

    session_id     = response['sessionId']
    ws_stream_url  = response['automationStream']['streamEndpoint']
    print(f"[OK] Session 啟動成功: {session_id}")
    print(f"[OK] 原始 WSS 端點: {ws_stream_url}")

    # 生成 SigV4 預簽章 URL
    access_key = os.environ['AWS_ACCESS_KEY_ID']
    secret_key = os.environ['AWS_SECRET_ACCESS_KEY']
    signed_url = create_presigned_ws_url(ws_stream_url, access_key, secret_key, region)

    print(f"\n[READY] 請將以下 URL 複製至 OpenClaw browser tool:")
    print(signed_url)
    return session_id, signed_url

if __name__ == '__main__':
    start_browser_session_with_profile()

段落 C：Profile 名稱自動補完邏輯

在實際使用中，我們可能記住的是 Profile 的友善名稱（如 XMAN_Allen_v1），而非完整 ID（如 XMAN_Allen_v1_Final-n6ln2KcAK7）。腳本中實作了「名稱解析」機制：

1
2
3
4
5
6
7
8
9
10
def resolve_profile_id(client, name_or_id):
    """若傳入名稱，自動查找對應的完整 Profile ID"""
    if name_or_id.count('-') > 2:  # 推測為完整 ID
        return name_or_id

    profiles = client.list_browser_profiles(browserIdentifier=os.environ['AGENTCORE_BROWSER_ID'])
    for p in profiles.get('browserProfileSummaries', []):
        if p['name'] == name_or_id:
            return p['profileIdentifier']
    raise ValueError(f"找不到名稱為 '{name_or_id}' 的 Profile")

3.2 持久化記憶：aws-save-profile.py

這是使用 AWS AgentCore Browser 最容易忽略卻最重要的一個步驟。

每次在 Session 中完成登入、操作互動後，這些狀態只存在於記憶體中。若直接 stop，所有操作都將消失。必須先呼叫 save_browser_session_profile 進行快照。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
def save_profile(session_id: str):
    """
    將當前 Session 的瀏覽器狀態快照至指定 Profile
    ⚠️ 時序關鍵：必須在 stop_browser_session() 之前呼叫
    """
    browser_id = os.environ['AGENTCORE_BROWSER_ID']
    profile_id = os.environ['AGENTCORE_PROFILE_ID']
    region     = os.environ.get('AWS_REGION', 'us-east-1')

    runtime = boto3.client('bedrock-agentcore', region_name=region)

    try:
        runtime.save_browser_session_profile(
            browserIdentifier=browser_id,
            sessionId=session_id,
            profileIdentifier=profile_id
        )
        print(f"[OK] Profile 儲存成功！狀態已固化至: {profile_id}")
        print("[INFO] 建議等待 60 秒後再啟動新 Session，確保 AWS 完成非同步寫入。")
    except Exception as e:
        print(f"[ERROR] Profile 儲存失敗: {e}")
        raise

🔑 時序規範（黃金法則）：永遠遵循 Save → Stop 的操作順序，不可顛倒。就像在關電腦前先按「儲存文件」，這是負責任的開發者的基本素養。

3.3 資源清理：aws-manual-stop-v2.py

AWS AgentCore Browser 按使用分鐘計費。任務完成後必須立即銷毀 Session，即使設定了 sessionTimeoutSeconds，也不應該依賴自動逾時來省費，因為那代表資源白白運行。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
def stop_session(session_id: str):
    """
    主動銷毀 Session，終止計費
    ⚠️ 必須在 save_profile() 之後呼叫
    """
    browser_id = os.environ['AGENTCORE_BROWSER_ID']
    region     = os.environ.get('AWS_REGION', 'us-east-1')

    runtime = boto3.client('bedrock-agentcore', region_name=region)

    try:
        runtime.stop_browser_session(
            browserIdentifier=browser_id,
            sessionId=session_id
        )
        print(f"[OK] Session {session_id} 已成功銷毀，計費終止。")
    except runtime.exceptions.ResourceNotFoundException:
        print(f"[WARN] Session {session_id} 已不存在（可能已自動逾時），無需手動停止。")
    except Exception as e:
        print(f"[ERROR] 停止 Session 失敗: {e}")
        raise

3.4 輔助腳本快速索引

腳本 用途 適用場景
aws-list-browsers.py 列出帳號下所有 Browser 實體 初始環境確認、Debug
aws-list-profiles.py 列出所有 Profile 及其狀態 管理多帳號登入狀態
aws-list-sessions.py 列出所有活躍中的 Sessions Debug 殭屍 Session、確認關閉
aws-check-session.py 查詢特定 Session 的即時狀態與串流端點 診斷「後台有連線但前台看不到」的資訊差問題
aws-wash-and-save.py 身分洗白 + Profile 儲存一條龍 首次建立可信 Profile 時的推薦做法

Part 4：進階攻堅 — 身分洗白與 Profile 固化

本章節是從多次實戰失敗中萃取的核心知識，也是本文最獨特的價值所在。

4.1 為什麼數據中心 IP 會被封鎖？

現代主流平台（特別是 X.com、Cloudflare 保護的網站）的反機器人系統採用了多維度信號融合分析，包括：

  1. IP 信譽評分：AWS、GCP、Azure 的 IP 段長期出現在爬蟲活動中，信譽分數極低。
  2. 硬體指紋 (Hardware Fingerprinting)：WebGL Renderer、Canvas 2D 紋理等特徵，全託管瀏覽器的硬體特徵是標準化的，容易被識別。
  3. 行為模式分析：完美的滑鼠軌跡、精準的點擊時序，在人類的眼裡是「效率」，在機器人探測器的眼裡是「機器人」。
  4. Session 歷史：一個從未登入過、Cookie 全空白的 Browser Session，在統計上幾乎不可能是真實用戶。

全託管 aws.browser.v1 在以上四個維度中，有三個容易被識別。這就是我們需要升級到 Custom Browser 並執行身分洗白的根本原因。

4.2 Custom Browser vs. 全託管 Browser 的本質差異

比較維度 全託管 (aws.browser.v1) Custom Browser
建立方式 直接使用，無需設定 透過 bedrock-agentcore-control API 建立
硬體指紋 標準化，容易被識別 更接近真實硬體，具備獨特指紋
Profile 存儲 AWS 內部加密儲存 用戶指定的 S3 路徑，數據透明可控
IP 範圍 共享 AWS 數據中心 IP 池 共享 AWS 數據中心 IP 池（相同）
適合場景 一般網頁自動化、快速原型 對抗嚴格反機器人系統的長期穩定任務

建立 Custom Browser 的 API 呼叫（透過 bedrock-agentcore-control 客戶端）：

1
2
3
4
5
6
7
8
9
10
11
12
control = boto3.client('bedrock-agentcore-control', region_name=region)

response = control.create_browser(
    name='openclaw-custom-browser',
    browserNetworkConfiguration={
        'networkMode': 'PUBLIC'
    }
    # 可選：加入錄影設定
    # 'videoCaptureConfig': {'status': 'ENABLED', 's3Location': {'bucket': 'your-bucket'}}
)
browser_id = response['browserIdentifier']
print(f"Custom Browser 建立成功: {browser_id}")

4.3 身分洗白的完整流程

身分洗白（Identity Sanitization）是一個一次性但至關重要的初始化儀式。流程如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
第一步：建立空白 Profile
    ↓
第二步：啟動 Session（掛載空白 Profile）
    ↓
第三步：透過 AWS Console Live View 建立 WebRTC 視訊通道
    ↓
第四步：人類手動操作 — 完成目標網站的正常登入
    ↓
第五步：執行一次真實的人類互動（如：點讚、查看訂閱列表等）
    ↓
第六步：立即調用 save_browser_session_profile()
    ↓
第七步：等待 60 秒（非同步寫入延遲）
    ↓
第八步：執行 stop_browser_session()
    ↓
第九步：更新環境變數 AGENTCORE_PROFILE_ID
    ↓
完成：此 Profile 現在具備「已洗白」的身份，可供全自動偵察使用

💡 關鍵洞察：步驟五的「真實人類互動」至關重要。單純的登入動作有時不足以讓 AWS 節點「逃脫」目標平台的監視名單。一次真實的社交互動（點讚、滾動瀏覽等）能有效建立「正常用戶行為」的歷史記錄，顯著降低後續連線被封鎖的機率。

4.4 aws-wash-and-save.py 腳本說明

此腳本將「身分洗白」流程中的自動化部分打包成一條龍服務：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
def wash_and_save(target_url: str, profile_name: str):
    """
    身分洗白一條龍腳本
    1. 建立新 Profile（若不存在）
    2. 啟動新 Session 並掛載
    3. 導航至目標網站
    4. 等待人類手動登入（透過 Live View）
    5. 收到確認後，自動 save & stop
    """
    # ... 建立 Profile
    control = boto3.client('bedrock-agentcore-control', region_name=region)
    profile_response = control.create_browser_profile(
        browserIdentifier=os.environ['AGENTCORE_BROWSER_ID'],
        name=profile_name,
        # Custom Browser 需要指定 S3 路徑
        # profileStorageConfiguration={'s3Location': {'bucket': S3_BUCKET}}
    )
    new_profile_id = profile_response['profileIdentifier']
    print(f"[OK] 新 Profile 建立: {new_profile_id}")

    # ... 啟動 Session
    session_id, signed_url = start_browser_session_with_profile(profile_id=new_profile_id)

    print(f"\n⚠️  請開啟 AWS Console Live View，手動完成登入")
    print(f"   目標: {target_url}")
    input("登入完成後，按下 Enter 繼續...")

    # 自動 Save & Stop
    save_profile(session_id)
    import time; time.sleep(60)  # 等待非同步寫入
    stop_session(session_id)

    print(f"\n✅ 身分洗白完成！請更新環境變數：")
    print(f"   export AGENTCORE_PROFILE_ID={new_profile_id}")

4.5 分段擷取協議（防逾時設計）

對於需要大量滾動（如抓取 30+ 篇推文）的任務，單次 JavaScript 執行時間過長會導致 WebSocket 隧道超時（Code 1006）。建議採用「分段執行」策略：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
def scroll_and_collect(browser_tool, total_scrolls=30, batch_size=10):
    """
    分段滾動協議：每 batch_size 次滾動執行一次數據回傳
    防止 WebSocket 長時間佔用導致的連線中斷
    """
    collected_data = []
    for batch_start in range(0, total_scrolls, batch_size):
        batch_end = min(batch_start + batch_size, total_scrolls)

        for i in range(batch_start, batch_end):
            browser_tool.evaluate("window.scrollBy(0, 800)")
            time.sleep(1.5)  # 模擬人類滾動節奏

        # 每批次完成後立即萃取數據
        batch_data = browser_tool.evaluate("""
            Array.from(document.querySelectorAll('[data-testid="tweet"]'))
                 .map(t => t.innerText)
        """)
        collected_data.extend(batch_data)
        print(f"[INFO] 完成批次 {batch_start}-{batch_end}，累計: {len(collected_data)} 筆")

    return collected_data

Part 5：OpenClaw SKILL 整合（把腳本串起來）

最後一塊拼圖：讓 OpenClaw 的 AI 大腦知道如何自動協調這些腳本。一個成熟的 SKILL.md 設計如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
任務觸發條件：
  當用戶要求「瀏覽特定網頁」、「偵察 X」、「執行網頁自動化」時

標準執行流程：

Phase 1 - 環境就緒確認
  1. 確認 AGENTCORE_BROWSER_ID 與 AGENTCORE_PROFILE_ID 環境變數已設定
  2. 若未設定 Profile，詢問用戶是否需要全新 Session 或執行洗白流程

Phase 2 - Session 建立
  3. 執行 aws-browser-link.py，取得 SigV4 簽章後的 WSS URL
  4. 將 WSS URL 傳入 browser tool 作為連線目標

Phase 3 - 任務執行
  5. 使用 browser tool (navigate / snapshot / act / evaluate) 執行 AI 任務
  6. 若需要大量滾動，採用分段擷取協議（每 10 次滾動回傳一次數據）

Phase 4 - 持久化與清理（嚴格遵守時序）
  7. [先] 執行 aws-save-profile.py —— 固化 Session 狀態
  8. [等] 等待 60 秒（確保非同步寫入完成）
  9. [後] 執行 aws-manual-stop-v2.py —— 銷毀 Session，停止計費

異常處理：
  - 若 Session 啟動失敗：檢查 IAM 權限與 Region 設定
  - 若遭遇「Something went wrong」：提示用戶開啟 Live View 進行人工點擊 Retry
  - 若 WebSocket 斷線 (Code 1006)：檢查本地防火牆，改用分段擷取協議

Part 6：進階維運（Advanced Ops）

6.1 安全性與金鑰層級架構

整套系統採用三層金鑰防禦架構：

1
2
3
4
5
6
7
8
9
10
11
12
層級 1（核心）: AWS IAM Access Keys
  ↓ 用於 SigV4 簽章，控制所有 AWS API 呼叫的授權
  ↓ 必須使用環境變數，嚴禁硬編碼至任何程式碼或版本控制系統

層級 2（身份）: AWS Browser Profile
  ↓ 封存了目標網站的登入狀態（Cookie/LocalStorage）
  ↓ 儲存在 AWS 加密環境中（全託管）或指定 S3（Custom Browser）
  ↓ 透過 AGENTCORE_PROFILE_ID 引用，無需直接傳遞敏感 Cookie

層級 3（備援）: 目標網站的原始憑證（如 X_COOKIE / auth_token）
  ↓ 當 Profile 意外失效時，用於執行 JS 暴力注入重建 Session
  ↓ 安全性最低，僅作緊急備援用途

⚠️ 嚴禁事項：

  • 不得將 Access Keys 提交至 Git 倉庫
  • 不得在 Notion 或任何公開筆記系統中儲存原始金鑰
  • 建議定期輪換 IAM Access Keys（每 90 天）

6.2 成本控制：Session 生命週期管理

AWS AgentCore Browser 的計費邏輯是**「Session 活躍分鐘數」**，理解這點能幫你大幅降低成本。

省錢原則：

  1. 絕不依賴逾時自動停止：設定了 sessionTimeoutSeconds=3600，不代表你可以不手動 Stop。若任務 10 分鐘完成，剩下 50 分鐘都是純浪費。
  2. 殭屍 Session 偵測：定期執行 aws-list-sessions.py 確認無孤兒 Session 持續計費。
  3. 單任務單 Session：避免在一個長時間 Session 中執行多個不相關任務，難以追蹤成本歸因。

快速偵測殭屍 Session：

1
2
# 列出所有活躍 Session（若輸出為空則安全）
python3 aws-list-sessions.py | grep "ACTIVE\|RUNNING"

6.3 Debug 工具鏈

問題症狀 診斷工具 解決方向
Session 啟動失敗 aws-list-browsers.py 確認 Browser ID 正確，檢查 IAM 權限
WebSocket 連線失敗 (Code 1006) 本地防火牆日誌 檢查 DCV 視訊串流是否被攔截
Profile 儲存後 S3 為空 確認 Browser 類型 全託管 Browser 的 Profile 不走 S3，需改用 Custom Browser
登入後立即被封鎖 手動開啟 Live View 觀察行為 執行身分洗白，加入人類互動行為
Session 已 Stop 但繼續計費 AWS Cost Explorer 可能存在孤兒 Session，執行 aws-list-sessions.py
list_browser_profiles 回傳空陣列 aws-list-browsers.py 確認 AGENTCORE_BROWSER_ID 與 Profile 所屬 Browser 一致

6.4 已知風險與應對

風險 1：IP 隨機攔截

由於 AWS IP 段屬於數據中心，即使已完成身分洗白，偶爾仍可能遭遇「Something went wrong」。

應對：Profile 已固化，遭遇攔截時只需在 Live View 中點擊一次「Retry」即可解鎖，無需重新登入。

風險 2：非同步寫入延遲

save_browser_session_profile() API 回應成功不代表數據已完全寫入持久化儲存。

應對：在 Save 與 Stop 之間強制等待 60 秒（建議），生產環境可增至 120 秒。

風險 3：Region 不一致

若 Browser 建立在 us-east-1，Session 操作卻使用 ap-northeast-1 的 Endpoint，會觸發 404 或權限錯誤。

應對：所有操作統一使用 AWS_REGION 環境變數，確保 boto3.client() 的 region_name 全程一致。

後記與建議（Outro）

將瀏覽器代理托管至雲端，是 AI 自動化從「玩具」邁向「工程化」的重要一步。雖然增加了雲端成本與初始設定的複雜度，但其帶來的高可用性、IP 安全性，以及狀態持久化能力，是本地運行難以企及的。

回顧這段工程旅程，有幾個深刻的反思值得分享：

  1. 不要假設雲端 = 匿名。AWS IP 的公開性使得「躲在雲端」這個預設假設完全錯誤。身分洗白是必要的初始化儀式，而不是可選的優化項目。

  2. Profile 是最有價值的資產。一個成功洗白的 Profile，比任何代碼技巧都更重要。保護它、備份它，就像保護你的私鑰一樣。

  3. 時序是一切。Save → Stop 的順序不是建議，是鐵律。任何一次的順序錯誤，都意味著小時級別的重工成本。

  4. 分段執行不是妥協，是架構。將長時間任務分拆成批次，不僅能避免超時，還能獲得更好的可觀測性與容錯能力。

隨著 AWS AgentCore 的持續進化，未來我們可以期待更豐富的 Profile 管理能力，以及更完善的 Custom Browser 硬體指紋配置選項。屆時，「真實 AI 代理的雲端滲透」將不再是科幻，而是工程標配。

參考資料

聲明

本文章內容採用 CC BY-NC-SA 4.0 許可協議。歡迎在署名且非商業用途的前提下轉載與改作。

[^1]: SigV4 技術補充：AWS Signature Version 4 是極為嚴謹的安全協議，要求對請求的內容（包含時間戳、標頭、路徑、查詢參數）進行多層次雜湊處理，且有效期通常不超過 15 分鐘，確保即使簽章被截取也無法重放攻擊 (Replay Attack)。

[^2]: 非同步寫入說明：AWS Profile 的物理寫入涉及加密、跨區域複製等後台流程，API 回應「成功」只代表請求已被接受並排入隊列，實際完成時間通常為 10-60 秒不等，高負載時可能更長。