如何在Nanobot中使用CapSolver解决验证码

# 从PyPI安装
pip install nanobot-ai

# 或从源码安装用于开发
git clone https://github.com/HKUDS/nanobot.git
cd nanobot
pip install -e ".[dev]"

# 初始化配置和工作区
nanobot onboard

export CAPSOLVER_API_KEY="CAP-XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX"

# 安装Playwright浏览器依赖（Ubuntu）
sudo apt install -y libnss3 libatk-bridge2.0-0 libdrm2 libxcomposite1 \
  libxdamage1 libxrandr2 libgbm1 libpango-1.0-0 libasound2t64

# 在你的Nanobot工作区中安装Playwright
cd ~/.nanobot/workspace
npm init -y
npm install playwright
npx playwright install chromium

# 启动渠道服务（Telegram、Discord等）
nanobot gateway

# 或用于交互式测试
nanobot agent

你有哪些可用的工具？

---
name: capsolver
description: "使用 Playwright 通过 CapSolver REST API 解决 CAPTCHA。支持 reCAPTCHA v2、reCAPTCHA v3 和 Cloudflare Turnstile。用于自动化表单提交或页面交互时遇到 CAPTCHA 挑战的情况。"
metadata: {"nanobot":{"emoji":"🔓","always":true,"requires":{"bins":["node"],"env":["CAPSOLVER_API_KEY"]}}}
---

# CapSolver

## 重要：必须执行

当用户要求你解决CAPTCHA时，你**必须立即调用工具**。不要用“正在运行...”或“我将开始...”或“我已经启动自动化...”等文本回复。

你的**第一步操作**必须是：
1. 调用 `write_file` 保存一个Node.js脚本，然后调用 `exec` 运行它
2. 调用 `spawn` 并提供详细任务描述用于后台执行

如果仅用文本回复而没有工具调用，用户将看不到任何操作。始终执行。

## API端点

- **创建任务**: `POST https://api.capsolver.com/createTask`
- **获取结果**: `POST https://api.capsolver.com/getTaskResult`

## 任务类型

| CAPTCHA | 任务类型 | 站点密钥位置 |
|---|---|---|
| reCAPTCHA v2 | `ReCaptchaV2TaskProxyLess` | `data-sitekey` 属性 |
| reCAPTCHA v3 | `ReCaptchaV3TaskProxyLess` | `grecaptcha.execute` 调用或页面源代码 |
| Cloudflare Turnstile | `AntiTurnstileTaskProxyLess` | Turnstile div 的 `data-sitekey` |

企业版本：`ReCaptchaV2EnterpriseTaskProxyLess`、`ReCaptchaV3EnterpriseTaskProxyLess`。

## 工作流程

1. 使用Playwright（无头Chromium）导航到页面
2. 从DOM中提取站点密钥（`[data-sitekey]` 属性）
3. 使用站点密钥和页面URL调用 `createTask`
4. 每2秒轮询一次 `getTaskResult` 直到 `status: "ready"`
5. 将令牌注入页面（隐藏表单字段）
6. 提交表单

## 核心代码模式

```javascript
const CAPSOLVER_API_KEY = process.env.CAPSOLVER_API_KEY;

// 步骤1：创建任务
const createRes = await fetch('https://api.capsolver.com/createTask', {
  method: 'POST',
  headers: { 'Content-Type': 'application/json' },
  body: JSON.stringify({
    clientKey: CAPSOLVER_API_KEY,
    task: {
      type: 'ReCaptchaV2TaskProxyLess',  // 或 ReCaptchaV3TaskProxyLess、AntiTurnstileTaskProxyLess
      websiteURL: pageUrl,
      websiteKey: siteKey
    }
  })
});
const { taskId } = await createRes.json();

// 步骤2：轮询结果
let token;
while (true) {
  await new Promise(r => setTimeout(r, 2000));
  const res = await fetch('https://api.capsolver.com/getTaskResult', {
    method: 'POST',
    headers: { 'Content-Type': 'application/json' },
    body: JSON.stringify({ clientKey: CAPSOLVER_API_KEY, taskId })
  });
  const result = await res.json();
  if (result.status === 'ready') { token = result.solution.gRecaptchaResponse || result.solution.token; break; }
  if (result.status === 'failed') throw new Error('解决失败');
}

// 步骤3：注入令牌（reCAPTCHA）
await page.evaluate((t) => {
  document.querySelectorAll('textarea[name="g-recaptcha-response"]')
    .forEach(el => { el.value = t; el.innerHTML = t; });
}, token);
```

对于Turnstile，令牌字段通常是 `input[name="cf-turnstile-response"]`，解决方案在 `result.solution.token` 中。

## 完整API参考

查看 `{baseDir}/references/api.md` 以获取所有任务类型的完整参数文档、可选字段和示例响应。

{
  "clientKey": "YOUR_API_KEY",
  "task": {
    "type": "ReCaptchaV2TaskProxyLess",
    "websiteURL": "https://www.google.com/recaptcha/api2/demo",
    "websiteKey": "6Le-wvkSAAAAAPBMRTvw0Q4Muexq9bi0DJwx_mJ-",
    "isInvisible": false
  }
}

{
  "clientKey": "YOUR_API_KEY",
  "task": {
    "type": "ReCaptchaV3TaskProxyLess",
    "websiteURL": "https://www.example.com",
    "websiteKey": "6Le-wvkSAAAAAPBMRTvw0Q4Muexq9bi0DJwx_kl-",
    "pageAction": "login"
  }
}

{
  "clientKey": "YOUR_API_KEY",
  "task": {
    "type": "AntiTurnstileTaskProxyLess",
    "websiteURL": "https://www.example.com",
    "websiteKey": "0x4XXXXXXXXXXXXXXXXX",
    "metadata": {
      "action": "login",
      "cdata": "0000-1111-2222-3333-example-cdata"
    }
  }
}

  你的消息                    Nanobot 代理
  ────────────────────────────────────────────────────
  "前往该页面，          ──►  代理接收消息
   填写表单，                 │
   解决CAPTCHA，             ▼
   并提交它"            代理编写自动化脚本
                                  │
                                  ▼
                             exec 工具运行脚本
                             ┌─────────────────────────────────┐
                             │  无头Chromium               │
                             │                                  │
                             │  1. 导航到目标页面      │
                             │  2. 从DOM中提取站点密钥     │
                             │     （data-sitekey 属性）     │
│                                  │
                             │  3. 调用 CapSolver REST API:     │
                             │     POST /createTask             │
                             │     POST /getTaskResult (轮询)   │
                             │                                  │
                             │  4. 将令牌注入隐藏的     │
                             │     文本区域/输入字段        │
                             │                                  │
                             │  5. 点击提交                 │
                             │  6. 验证成功               │
                             │  7. 截图                 │
                             └─────────────────────────────────┘
                                  │
                                  ▼
                             Agent 读取输出 + 截图
                                  │
                                  ▼
                             "表单提交成功！
                              页面显示：验证
                              成功... 太好了！"

const response = await fetch('https://api.capsolver.com/createTask', {
  method: 'POST',
  headers: { 'Content-Type': 'application/json' },
  body: JSON.stringify({
    clientKey: CAPSOLVER_API_KEY,
    task: {
      type: 'ReCaptchaV2TaskProxyLess',
      websiteURL: pageUrl,
      websiteKey: siteKey
    }
  })
});

const result = await fetch('https://api.capsolver.com/getTaskResult', {
  method: 'POST',
  headers: { 'Content-Type': 'application/json' },
  body: JSON.stringify({
    clientKey: CAPSOLVER_API_KEY,
    taskId: taskId
  })
});
// result.solution.gRecaptchaResponse 包含令牌

await page.evaluate((token) => {
  const textarea = document.querySelector('textarea[name="g-recaptcha-response"]');
  if (textarea) {
    textarea.value = token;
    textarea.innerHTML = token;
  }
}, captchaToken);

const { chromium } = require('playwright');
const https = require('https');

const CAPSOLVER_API_KEY = process.env.CAPSOLVER_API_KEY;
const PAGE_URL = 'https://www.google.com/recaptcha/api2/demo';

function httpsPost(url, data) {
  return new Promise((resolve, reject) => {
    const req = https.request(url, {
      method: 'POST',
      headers: { 'Content-Type': 'application/json' }
    }, (res) => {
      let body = '';
      res.on('data', chunk => body += chunk);
      res.on('end', () => resolve(JSON.parse(body)));
    });
    req.on('error', reject);
    req.write(JSON.stringify(data));
    req.end();
  });
}

async function solveRecaptcha(siteKey, pageUrl) {
  console.log('创建 Capsolver 任务...');

  const createRes = await httpsPost('https://api.capsolver.com/createTask', {
    clientKey: CAPSOLVER_API_KEY,
    task: {
      type: 'ReCaptchaV2TaskProxyLess',
      websiteURL: pageUrl,
      websiteKey: siteKey
    }
  });

  const { taskId } = createRes;
  console.log(`任务 ID: ${taskId}`);

  let token;
  while (true) {
    await new Promise(r => setTimeout(r, 2000));

    const res = await httpsPost('https://api.capsolver.com/getTaskResult', {
      clientKey: CAPSOLVER_API_KEY,
      taskId
    });

    if (res.status === 'ready') {
      token = res.solution.gRecaptchaResponse;
      console.log(`收到令牌！长度: ${token.length}`);
      break;
    }
    if (res.status === 'failed') {
      throw new Error('Capsolver 任务失败');
    }
  }

  if (!token) throw new Error('未能获取令牌');
  return token;
}

async function main() {
  const browser = await chromium.launch({ headless: true });
  const page = await browser.newPage();

  console.log('导航到页面...');
  await page.goto(PAGE_URL, { waitUntil: 'domcontentloaded', timeout: 30000 });

  console.log('提取 sitekey...');
  const siteKey = await page.locator('[data-sitekey]').getAttribute('data-sitekey');
  console.log(`Sitekey: ${siteKey}`);

  console.log('使用 Capsolver 解决 reCAPTCHA...');
  const token = await solveRecaptcha(siteKey, PAGE_URL);

  console.log('注入令牌...');
  await page.evaluate((t) => {
    document.querySelectorAll('textarea[name="g-recaptcha-response"]')
      .forEach(el => { el.value = t; el.innerHTML = t; });
  }, token);

  console.log('提交表单...');
  await page.locator('input[type="submit"]').click();

  console.log('等待结果...');
  await page.waitForTimeout(3000);

  const successText = await page.textContent('body');
  if (successText.includes('Success') || successText.includes('Verification')) {
    console.log('\n✅ 成功！reCAPTCHA 已解决且表单提交成功！');
    console.log('成功消息:', successText.slice(0, 200));
  } else {
    console.log('\n❌ 结果不明确。页面内容:', successText.slice(0, 300));
  }

  await page.screenshot({ path: 'recaptcha_result.png' });
  console.log('截图已保存到 recaptcha_result.png');

  await browser.close();
}

main().catch(console.error);

CAPSOLVER_API_KEY=CAP-XXX node solve_recaptcha.js

转到 https://www.google.com/recaptcha/api2/demo 并使用 CapSolver API 解决 reCAPTCHA，
然后提交表单并告诉我是否成功。

转到 https://example.com/login，用
"[email protected]" 填写电子邮件和 "mypassword" 填写密码，检测并
解决页面上的任何 CAPTCHA，然后点击登录并告诉我发生了什么。

打开 https://example.com/contact，填写姓名、电子邮件和
消息字段，解决 CAPTCHA，提交表单，并告诉我确认消息。

            else:
                # 无工具调用 — 但检查 LLM 是否出现幻觉
                if iteration == 1 and self._seems_like_hallucinated_action(response.content):
                    logger.warning("LLM 描述了动作但没有调用工具 — 重试以进行纠正")
                    messages.append({"role": "assistant", "content": response.content})
                    messages.append({
                        "role": "user",
                        "content": (
                            "[System: 您描述了开始任务但没有调用任何工具。除非您使用 exec、"
                            "write_file 或 spawn 等工具，否则用户无法看到您的进度。请现在调用适当的工具以"
                            "实际执行任务。]"
                        ),
                    })
                    continue
                final_content = response.content
                break

    @staticmethod
    def _seems_like_hallucinated_action(content: str | None) -> bool:
        """检测 LLM 是否描述了动作但没有调用工具。"""
        if not content:
            return False
        lower = content.lower()
        phrases = [
            "running now", "i've started", "i'll start", "starting the",
            "i've begun", "i'll begin", "executing now", "i'm working on",
            "let me run", "running the", "i've kicked off", "launched the",
            "i've initiated", "working on it",
        ]
        return any(phrase in lower for phrase in phrases)

# 添加导入
from nanobot.agent.skills import SkillsLoader

# 在 __init__ 中添加:
self._skills = SkillsLoader(workspace)

# 在 _build_subagent_prompt() 的末尾，返回前添加:
        always_skills = self._skills.get_always_skills()
        if always_skills:
            skills_content = self._skills.load_skills_for_context(always_skills)
            if skills_content:
                prompt += f"\n\n## 参考文档\n\n{skills_content}"
        return prompt

class ExecToolConfig(BaseModel):
    """Shell exec 工具配置。"""
    timeout: int = 120  # 原为 60

cd ~/.nanobot/workspace && npm install playwright && npx playwright install chromium

sudo apt install -y libnss3 libatk-bridge2.0-0 libdrm2 libxcomposite1 \
  libxdamage1 libxrandr2 libgbm1 libpango-1.0-0 libasound2t64

chromium.launch({
  headless: true,
  args: ['--no-sandbox', '--disable-setuid-sandbox', '--disable-dev-shm-usage']
});

cd ~/.nanobot/workspace && npm update playwright && npx playwright install chromium