Tabbit博客

如何用 MiniCPM5-2B 操作已登录浏览器

先用能解析 XML 工具调用的 Agent 运行时配置 MiniCPM5-2B,再让本机 Agent 通过 Tabbit CLI 读取已登录看板。检查具名的变化报告后再执行修改。

本文目录
  1. 要点
  2. MiniCPM5-2B 与浏览器任务各层分工
  3. 先运行准确的 checkpoint,再连接账号
  4. Tabbit 接入与模型托管分开设置
  5. 先用看板变化报告作为第一条配方
  6. 保持报告可审计

只要运行时可以解析 MiniCPM5-2B 的 XML 工具调用,本机 Agent 就能把它接到 Tabbit CLI,从而处理已登录浏览器任务。但模型不会自己打开看板。建议从 OpenBMB 推荐的 openbmb/MiniCPM5-2B checkpoint 开始,在 SGLang 中配置 minicpm5 解析器,然后先测试一条无副作用的只读调用,再让 Agent 对比看板变化。OpenBMB 在 MiniCPM5-2B 官方指南中明确说明了模型和解析器的配对方式。

具体 checkpoint 和运行时都很重要。一位 Reddit 测试者表示,MiniCPM5 2B Q4_K_M 在其基准测试中工具调用表现不理想;另一位回复称,其 Q8 配置在 OpenCode 中进行代码库探索和网页搜索时工作尚可。另一篇发布讨论中,用户也谈到了小模型 Agent 和网页任务。这些是个体经验,不是可复现的 Tabbit 基准测试。它们说明本文列出的检查项很实际:权重、量化、解析器、工具和复核步骤都要逐一确认。

要点

  • 文档中对应的 checkpoint 是 openbmb/MiniCPM5-2B;OpenBMB 当前推荐 BF16、GGUF、MLX 或 GPTQ 部署格式。

  • 工具调用需要运行时理解模型的 XML 格式。OpenBMB 推荐使用 SGLang 的 minicpm5 解析器。

  • Tabbit CLI 位于本机 Agent 这一层。没有兼容 Agent 和运行时,模型输出不会直接控制浏览器。

  • 先做只读看板任务。按稳定 ID 对比字段,记录来源 URL,字段缺失或冲突时停止。

  • 保存有明确名称的草稿并设置可见复核节点。获得批准前,不要让 Agent 点击提交或更新控件。

MiniCPM5-2B 与浏览器任务各层分工

层级配置内容继续前先核对
模型 checkpointopenbmb/MiniCPM5-2B,使用当前运行时支持的部署格式不要与 Base、SFT、Midtrain、MiniCPM5-1B 或社区微调版混淆
模型服务运行时支持 MiniCPM5 聊天模板和 XML 工具调用的运行时SGLang 配置应按文档使用 --tool-call-parser minicpm5
本机 Agent能选择本地端点并调用本机工具的客户端确认客户端发现 Tabbit Skill 并能调用 CLI
浏览器Tabbit Browser,目标站点已在指定配置中登录自己检查标签页 URL、账号和只读范围
人工复核有明确名称的报告或草稿任何写入动作前核对变化字段

先运行准确的 checkpoint,再连接账号

OpenBMB 当前推荐使用 BF16、GGUF、MLX 或 GPTQ 版本的 MiniCPM5-2B。官方把 Base、Midtrain、SFT 和 DSpark 分开列出,因为用途不同。先使用 openbmb/MiniCPM5-2B 推荐版本,不要拿非官方微调版或其他 MiniCPM 家族成员代替。官方指南展示了 SGLang 的 OpenAI-compatible 端点,并建议工具调用使用内置 minicpm5 解析器。模型输出 XML 工具调用,解析器再转换为 OpenAI-compatible tool_calls 字段。请查看官方模型指南和 Hugging Face 模型卡,确认当前部署要求。

本机 Agent 可能允许选择 OpenAI-compatible 端点,但这不代表它必然能使用 MiniCPM5 的工具格式。要确认客户端能解析 tool_calls 响应,并能调用本机工具。公开文档没有证明所有 Agent 客户端都支持该模型配置。如果你的环境无法调用工具,可以只用 MiniCPM5-2B 规划或总结文本,然后把结构化任务交给本机 Agent,或自己操作浏览器。

Tabbit 接入与模型托管分开设置

安装 Tabbit Browser,在准备使用的配置中登录看板。先在本机 Agent 中检查是否能发现 Tabbit Skill。Tabbit 的 CLI 快速开始为受支持的 Skill 客户端提供 /tabbit 用法。Pi 文档使用 /skill:tabbit;有些客户端则通过 /skills 或菜单管理。不要猜客户端命令,直接查看已安装的 SKILL.md。

然后在同一台设备运行 tabbit-cli diagnose 检查启动器连接。最后在 Tabbit 中打开目标页面,确认正确的看板账号已登录。这些是不同的检查:模型端点选择、Skill 发现、本机启动器可达,以及网站登录。远程模型端点即使正常返回,Agent 也可能连不上本机 Tabbit;反之,浏览器连接成功也不能证明模型能输出可用工具调用。

检查关口检查方式何时停止
模型版本客户端在预期的本地端点选择 openbmb/MiniCPM5-2B实际加载了其他 checkpoint 或服务商
工具格式服务端将 MiniCPM5 XML 转成工具调用输出格式错误、变成普通对话,或缺少必需参数
Skill 发现Agent 能看到已安装的 Tabbit Skill客户端不认识当前使用的 Skill 命令
浏览器连接tabbit-cli diagnose 能看到运行中的控制器启动器连不上本机 Tabbit
登录页面你在 Tabbit 中确认看板账号和具体 URL账号、记录或页面不是预期对象

本环境的一项 Tabbit CLI 测试通过两个具名任务验证了会话复用,但没有将 MiniCPM5-2B 与客户端配对,也没有测试 XML 解析器。浏览器连接和模型集成应作为两项独立能力核实。

先用看板变化报告作为第一条配方

选一个看板和一个时间范围。让本机 Agent 只读取稳定记录 ID 对应的可见状态字段,再与上次批准的快照对比。输出要包含当前值、旧值、来源 URL 和复核状态。不要让小模型推测业务影响或更新看板。如果记录 ID 变化或字段缺失,就停止并请求检查。

可以按以下步骤操作:

  1. 启动本地模型服务,在 Agent 的模型选择器中确认加载了准确 checkpoint。

  2. 运行一条无副作用工具调用,返回固定值,确认运行时将其解析为工具调用而不是普通文本。

  3. 创建 Tabbit 任务,让 Agent 打开看板,只返回页面标题和账号标记。

  4. 读取一个稳定记录 ID 及其相关字段,不点击更新或提交按钮。

  5. 与前次快照对比,保存为 Weekly dashboard changes, 2026-11-09 具名草稿。

  6. 在浏览器或编辑器中检查草稿,再决定是否由人手动更改。

使用要求模型在记录身份不确定时停止的提示词:

使用 Tabbit CLI 读取本任务已打开的看板页面。只读取 ID 为 GEO-104 的记录及 status、owner、updated_at 字段。不要点击 edit、save、submit 或 delete。返回页面标题和 URL、记录 ID、每个可见字段值,以及 needs_review 标记。若 ID 或任何字段缺失,就停止并说明无法核实的内容。只与我提供的上次快照进行对比。保存名为 "Weekly dashboard changes, 2026-11-09" 的草稿,并在更新任何内容前停止。

GEO-104、字段名和日期是测试参数。换成无敏感内容的测试记录或已获准的记录。初次测试时,不要授予 Agent 更新真实看板的权限。

保持报告可审计

让每一行结果都能链接回页面,审稿人无需重新搜索。当前值、旧值、来源和处理结论使用不同字段。如果值冲突,两个观测值都保留并标记差异。不要让 MiniCPM5-2B 根据记忆补齐缺失值。

浏览器 Agent 首任务清单涵盖只读权限边界。Tabbit CLI 完整指南和 Agent 连接指南说明浏览器连接;要比较连接方式,可查看 Browser MCP 与 CLI。客户端配置示例见 Codex 与 Tabbit CLI 设置。Tabbit 浏览器简介、Tabbit 最佳实践和 Agentic Browser 说明会介绍产品定位与边界。

MiniCPM5-2B 在社区中的工具调用反馈会随量化和运行时配置而变化。一位测试者表示 Q4_K_M 的工具调用不理想,另一位说 Q8 在 OpenCode 中可用于代码库探索和网页搜索。OpenBMB 的官方指南给出了解析 XML 工具调用的运行时配置。先使用官方建议的运行方式,再用只读测试页检查你的看板字段。

MiniCPM5-2B 可以作为本地看板检查任务的模型候选,但它不是完整浏览器自动化栈。运行时必须解析工具调用,本机 Agent 必须能运行 Tabbit CLI,最后由人检查具名草稿。如果你需要本地 Agent 可访问的浏览器会话,可先下载 Tabbit Browser。

常见问题

应该使用哪个 MiniCPM5-2B checkpoint?

OpenBMB 当前推荐使用 BF16、GGUF、MLX 或 GPTQ 版本的 MiniCPM5-2B 部署。Base、Midtrain 和 SFT 属于不同训练阶段,不能不看模型卡就互换。

MiniCPM5-2B 能调用浏览器工具吗?

模型可以输出 XML 格式的工具调用,但运行时必须能解析。OpenBMB 推荐使用 SGLang 和 `minicpm5` 工具调用解析器;Agent 还需要连接 Tabbit CLI 等浏览器工具。

MiniCPM5-2B 会自己启动浏览器吗?

不会。模型只输出文本或工具调用。由本机 Agent 和运行时将这些输出连接到 Tabbit CLI,再由 CLI 控制浏览器标签页。

我登录看板后,MiniCPM5-2B 能读取网页吗?

在你确认站点和权限后,本机 Agent 可以通过 Tabbit CLI 读取当前 Tabbit 配置中已登录的看板。模型本身不会继承浏览器登录状态。

工具调用格式错误时应该怎么办?

先停止所有写入操作。检查具体 checkpoint、聊天模板、运行时解析器、工具 schema 和 Agent 支持情况,再重复无副作用的只读测试。

能否用远程 MiniCPM 服务配 Tabbit CLI?

只有远程 Agent 已验证能连接同一台运行 Tabbit 的设备时才可以。否则应通过本机交接:导出获准页面信息供远程模型处理,或在本机运行模型和浏览器 Agent。

下一步

让 Tabbit 与你并肩工作。

跨标签页调研、自动化重复的浏览器工作,让每一处上下文都触手可及。