bifrost-proxybifrost-proxy/bifrost/.agents/skills/site-cookie-login/SKILL.md

site-cookie-login

Skill168 starsChanged 3 months agoMITView on GitHub

Open a target website, wait for user login, verify login with required cookies plus an HTTP probe, and save cookies into .env for later automation. Use this when a site needs controlled browser login, cookie persistence, and automatic login-state checks.

Reads credentials
Installs packages

In this repository10 other files it gives its agents.
- AGENTS.mdAGENTS.md
- codex-task-inspectorSkill
- design-mdSkill
- e2e-testSkill
- e2e-verifySkill
- github-actions-patSkill
- juejin-publishSkill
- rust-project-validateSkill
- zhihu-publishSkill
- bifrostSkill

The file

Create a free account to mount

Files

SKILL.md

Site Cookie Login

通用的「浏览器登录 → 抓 Cookie → 校验登录态 → 持久化」能力，可接入任意需要浏览器登录的站点。

适用场景

目标站点不提供 API Token，只能通过浏览器登录获取 Cookie
需要把登录态 Cookie 落盘供后续自动化脚本使用
需要在 Cookie 失效时自动触发重新登录

核心流程

用可视浏览器（Puppeteer）打开目标站点登录页
等待用户在浏览器中完成登录（支持手动触发检测）
从浏览器抓取目标域的全部 Cookie
检查必需 Cookie 是否存在（requiredCookies）
用 HTTP 探针请求一个需要鉴权的接口，验证登录态真实可用（verify）
校验通过后将 Cookie 保存到指定文件

快速使用

1. 安装依赖

cd .trae/skills/site-cookie-login/scripts
npm install

2. 创建站点配置

复制模板并按目标站点修改参数：

cp .trae/skills/site-cookie-login/references/config.template.json .env/<your-site>-login.json

3. 执行登录

node .trae/skills/site-cookie-login/scripts/site-login.js --config .env/<your-site>-login.json

配置文件说明

配置模板位于 references/config.template.json，所有 <placeholder> 需替换为实际值。

基础字段

字段	说明
`name`	站点显示名称，用于日志输出
`url`	浏览器打开的登录页 URL
`domain`	目标 Cookie 的域名（用于从浏览器筛选 Cookie）
`outputFile`	Cookie 输出文件路径（建议使用相对路径，如 `.env/.cookie.<site>`）
`timeout`	等待登录的超时时间（毫秒），默认 300000（5 分钟）

Cookie 相关

字段	说明
`requiredCookies`	字符串数组，判定登录成功必须存在的 Cookie 名
`mergeCookieFiles`	可选，额外的 Cookie 文件路径数组，会与浏览器抓取的 Cookie 合并（如 SSO 共享的 Cookie）

验证探针（`verify`）

用于通过 HTTP 请求验证 Cookie 是否真正有效：

字段	说明
`url`	需要鉴权的 API 端点
`method`	HTTP 方法（GET / POST 等）
`headers`	请求头（Cookie 由脚本自动注入，无需手动填写）
`body`	请求体，留 `null` 表示无 body
`successStatuses`	视为成功的 HTTP 状态码数组，如 `[200]`
`rejectBodyIncludes`	响应体中包含任一字符串则判定失败（如 `"not login"`）
`successBodyIncludes`	响应体中需包含任一字符串才判定成功，留空数组表示不检查

验证策略

建议同时启用两层校验以确保可靠性：

Cookie 存在性检查：通过 requiredCookies 确认关键 Cookie 已获取
HTTP 探针验证：通过 verify 发送真实 API 请求确认登录态有效

仅配置 requiredCookies 而不配置 verify 也可以工作，但无法保证 Cookie 未过期。

接入新站点的工作流

分析目标站点：在浏览器 DevTools 中登录目标站点，观察哪些 Cookie 是登录态的关键标识
找到鉴权接口：在 Network 面板找一个需要登录才能正常响应的 API，用于做登录态探针
创建配置文件：基于模板填写站点信息、必需 Cookie、验证接口
测试登录流程：运行 site-login.js，确认 Cookie 能正常落盘
集成到业务脚本：让业务脚本读取输出的 Cookie 文件，在鉴权失败时可复用此 skill 重新登录

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

It worked
Partly
It didn't

What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

Check your setup, free