feat(browser): auto-commit con 178 cambios

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
2026-06-20 18:22:23 +02:00
parent 7d100e7f3e
commit 763e06c127
178 changed files with 19917 additions and 317 deletions
@@ -0,0 +1,82 @@
+---
+name: find_consent_controls_llm
+kind: function
+lang: py
+domain: browser
+version: "1.0.0"
+purity: impure
+signature: "def find_consent_controls_llm(*, port: int = 9222, max_candidates: int = 40, model: str = 'claude-haiku-4-5-20251001') -> dict"
+description: "Identifica los botones de un banner de cookies/consentimiento usando un LLM en vez de selectores hardcodeados por CMP. Recolecta los controles clicables visibles de la pagina via CDP, los marca con un atributo estable data-fnllm='N' en el DOM, y pregunta a haiku (ask_llm) cual es ACEPTAR TODO, cual RECHAZAR y cual el enlace VER SOCIOS/configurar/mas opciones/finalidades. Resuelve los CMP cuyos botones no encajan con selectores fijos (casos no-button del scanner de databrokers)."
+tags: [consent, llm, cdp, browser, navegator, claude-direct, cookies, cmp, tcf, python, automation]
+uses_functions: [cdp_eval_py_browser, ask_llm_py_core]
+uses_types: []
+returns: []
+returns_optional: false
+error_type: "error_go_core"
+imports: ["json", "os", "re", "sys"]
+params_schema:
+  params:
+    - name: port
+      desc: "Puerto de remote debugging del Chrome donde esta el banner. Default 9222."
+    - name: max_candidates
+      desc: "Maximo de controles clicables a recolectar y enviar al LLM. Default 40."
+    - name: model
+      desc: "Modelo Anthropic a usar via ask_llm para clasificar los controles. Default claude-haiku-4-5-20251001."
+  output: "dict {status: 'ok'|'error', candidates: [{idx, tag, text, aria, id, cls}], accept_idx/reject_idx/vendors_idx: int|None, accept_selector/reject_selector/vendors_selector: '[data-fnllm=\"N\"]'|None, reason: str, error?: str}. Los selectores se construyen a partir del idx elegido por el LLM y sirven para clicar el control con cdp_eval. Nunca lanza: errores de CDP/eval/LLM se devuelven en el dict."
+tested: false
+tests: []
+test_file_path: ""
+file_path: "python/functions/browser/find_consent_controls_llm.py"
+---
+
+## Ejemplo
+
+```python
+import sys, os, time
+sys.path.insert(0, os.path.join("python", "functions"))
+from browser.cdp_eval import cdp_eval
+from browser.find_consent_controls_llm import find_consent_controls_llm
+
+# Requiere un Chrome con --remote-debugging-port=9335 y una pestana abierta.
+# Navega primero al sitio con banner y espera a que cargue el CMP.
+cdp_eval("location.href='https://www.elpuntavui.cat'", port=9335)
+time.sleep(6)
+
+res = find_consent_controls_llm(port=9335)
+print(res["accept_idx"], res["accept_selector"], res["reason"])
+
+# Clicar el boton de aceptar elegido por el LLM:
+sel = res["accept_selector"]
+if sel:
+    cdp_eval(f"document.querySelector('{sel}').click()", port=9335)
+```
+
+O directo por CLI: `python3 python/functions/browser/find_consent_controls_llm.py 9335`.
+
+## Cuando usarla
+
+Cuando un banner de cookies/consentimiento NO se resuelve con selectores fijos por
+CMP (los casos "no-button" del scanner de databrokers): textos en otro idioma,
+marcas TCF poco comunes, botones renderizados con clases dinamicas. La funcion deja
+que un LLM lea los controles visibles y decida cual es aceptar/rechazar/ver-socios,
+devolviendo selectores `[data-fnllm="N"]` estables que persisten en el DOM para que
+el caller clique con `cdp_eval`. Usala como fallback despues de que los selectores
+hardcodeados fallen, no como primer intento (cuesta una llamada al LLM).
+
+## Gotchas
+
+- **El banner debe estar YA en el DOM**: navega al sitio y espera unos segundos
+  (`time.sleep(~6)`) ANTES de llamar. Si el CMP aun no se ha renderizado, la lista
+  de candidatos no lo incluira y el LLM no podra elegir.
+- **El LLM puede equivocarse**: haiku es rapido pero falible. Verifica el `text` del
+  candidato en `accept_idx` antes de clicar acciones irreversibles. Sube de modelo
+  (`model="claude-opus-4-8"`) si la precision importa mas que el coste.
+- **Rate limits de ask_llm**: cada llamada consume cuota de la API directa de
+  Anthropic. No la invoques en bucle cerrado sobre muchas pestanas sin throttling.
+- **Marca el DOM**: pone `data-fnllm="N"` en hasta `max_candidates` elementos. Si
+  re-llamas tras cambiar la pagina, los atributos viejos pueden quedar; los selectores
+  solo son fiables sobre el mismo render donde se recolectaron.
+- **Requiere remote debugging**: sin un Chrome con `--remote-debugging-port`, `cdp_eval`
+  falla y devuelve `{status: "error", error: "cdp_eval: ..."}`.
+- Solo recolecta controles **visibles** (`getClientRects().length>0`) y con texto
+  corto (<=60 chars). Controles dentro de shadow DOM o iframes cross-origin no se ven.