今晚十几分钟把 OpenClaw 两个新功能配好了，记录一下。
Chrome DevTools MCP：AI 直接操作你的浏览器
这是什么？
以前让 AI 帮你在网页上干活，要么截图给它看，要么把网页内容复制出来。
现在可以直接接入你的 Chrome 浏览器了。AI 看到你看到的，操作你能操作的。
这不是模拟点击，是真正的 Chrome DevTools Protocol，和你用 F12 开发者工具是一个原理。
它能看到什么？
- 页面上的所有元素（按钮、输入框、链接、图片）
- 网络请求（API 调用、加载的资源）
- 控制台日志（错误信息、调试输出）
- 页面的无障碍树（结构化的页面内容）
它能做什么？
基础操作
- 点击：点任何按钮、链接、元素
- 输入：在输入框里打字
- 导航：打开网址、前进、后退、刷新
- 截图：截取整页或某个元素
- 滚动：上下滚动页面
- 表单：一次性填写多个字段
- 文件上传：选择本地文件上传
- 键盘：发送快捷键（Ctrl+C、Enter 等）
高级功能
- Lighthouse 审计：跑性能、无障碍、SEO 测试
- 性能追踪：录制性能 trace，分析瓶颈
- 内存快照：抓取 heap snapshot 调试内存泄漏
- 网络监控：查看所有请求的详情
- 控制台：执行 JavaScript 代码
怎么配？
第一步：Chrome 开启远程调试
打开 Chrome，访问：
chrome://inspect/#remote-debugging
把那个开关打开。第一次连接时 Chrome 会弹窗问你要不要授权，点允许。
需要 Chrome 144 以上版本。查看版本：
chrome://version
第二步：安装 mcporter
npm install -g mcporter
第三步：配置 MCP 服务器
创建配置文件 ~/.mcporter/mcporter.json：
{
"mcpServers": {
"chrome-devtools": {
"command": "npx",
"args": ["chrome-devtools-mcp@latest", "--autoConnect"]
}
}
}
第四步：启动 daemon
mcporter daemon start
没有 daemon 的话，每次调用都要启动新进程、重新授权，慢得要死（3 秒左右）。有了 daemon 常驻后台，响应快多了，100ms 以内。
第五步：配置开机自启（macOS）
cat > ~/Library/LaunchAgents/com.mcporter.daemon.plist << 'EOF'
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN"
"http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
<key>Label</key>
<string>com.mcporter.daemon</string>
<key>ProgramArguments</key>
<array>
<string>/opt/homebrew/bin/mcporter</string>
<string>daemon</string>
<string>start</string>
<string>--foreground</string>
</array>
<key>RunAtLoad</key>
<true/>
<key>KeepAlive</key>
<true/>
</dict>
</plist>
EOF
launchctl load ~/Library/LaunchAgents/com.mcporter.daemon.plist
第六步：验证连接
mcporter call chrome-devtools.list_pages
看到你打开的标签页列表就成功了。
实战：让 AI 帮我发推文回复
今晚测试了一下。跟凡哥说：
“帮我在这个帖子下留个言，就说这是凡哥用 chrome://inspect 帮我发的”
它自己导航到页面，找到输入框，打字，点发送。全程我没碰鼠标键盘。
30 秒搞定。
能拿来干嘛？
社交媒体自动化：定时发推、自动回复、监控竞品截图存档。
数据采集：抓登录后才能看的页面，翻页采集，填表单拿结果。
自动化测试：跑用户流程，部署后回归测试，出问题自动截图抓日志。
调试助手：让它帮你跑 Lighthouse、查控制台报错、看 API 返回了啥。
代填表单：报销单、重复性表格、批量网页操作。
监控：盯着某个页面，有变化通知你。价格降了、有货了，第一时间知道。
多模态 Memory：让 AI 记住你的图片和音频
这是什么？
OpenClaw 本来就有 Memory，能记住笔记和对话。
现在可以记图片和音频了。
你把图片扔到指定目录，它自动建 embedding 索引。之后用文字搜，就能找到相关的图片。
比如搜"狐狸 logo"，找到之前存的设计稿。搜"上次开会说的那个方案"，定位到会议录音。
技术原理
用的是 Google 的 gemini-embedding-2-preview，多模态 embedding 模型：
- 文字 → 3072 维向量
- 图片 → 3072 维向量
- 音频 → 3072 维向量
都在同一个向量空间，所以可以跨模态搜索。
怎么配？
第一步：创建目录
mkdir -p ~/.openclaw/workspace/assets/images
mkdir -p ~/.openclaw/workspace/assets/audio
第二步：修改配置
编辑 ~/.openclaw/openclaw.json，找到 agents.defaults.memorySearch，改成：
{
"enabled": true,
"provider": "gemini",
"model": "gemini-embedding-2-preview",
"outputDimensionality": 3072,
"extraPaths": ["assets/images", "assets/audio"],
"multimodal": {
"enabled": true,
"modalities": ["image", "audio"],
"maxFileBytes": 10000000
},
"fallback": "none",
"remote": {
"apiKey": "你的 Gemini API Key"
}
}
第三步：重启 OpenClaw
openclaw gateway restart
它会自动扫描目录，给文件建索引。
三个坑
1. 只有 extraPaths 里的文件会被索引
不是所有图片都会被记住，只有你放到指定目录的才会。这是故意的，你不会想让 AI 记住每一张临时截图。
2. fallback 必须关掉
多模态 embedding 只有 Gemini 支持。如果 fallback 到 OpenAI，它不认图片会报错。所以 fallback: "none"，Gemini 挂了就直接失败。
3. 换模型会重建索引
gemini-embedding-001 是 768 维，gemini-embedding-2-preview 默认 3072 维。向量维度不一样，旧索引没法用。OpenClaw 检测到变化会自动重建，第一次要等一会儿。
支持的格式
图片：jpg, jpeg, png, webp, gif, heic, heif
音频：mp3, wav, ogg, opus, m4a, aac, flac
单文件最大 10MB。
能拿来干嘛？
设计资料库：设计稿、参考图、灵感截图扔进去，之后用描述搜。
会议录音：存到 assets/audio，以后问"上周和投资人聊的那个会"就能定位到。
学习笔记：课程截图、教材照片，问"那个讲神经网络的图"就出来了。
项目文档：架构图、流程图、原型图，用文字描述就能找到。
个人知识库：读书笔记配图、旅行照片，按内容搜而不是按时间翻。
总结
这俩功能配完之后：
浏览器：AI 从截图看变成直接操作了。登录态、动态页面、表单提交，都不是问题。
记忆：从只能记文字变成图文音都能记。搜索不再局限于文件名。
可以组合起来用：让 AI 定时检查某个网页，有变化截图存到 memory，之后随时用文字搜出来。
版本要求
- OpenClaw: 2026.3.13+
- Chrome: 144+
- mcporter: 0.7.3+
更新命令
npm i -g openclaw@latest
npm i -g mcporter