chore: auto-commit (13 archivos)

- CAPABILITIES_TODO.md
- demo_e2e/RESUMEN.md
- demo_e2e/results/prueba_1_quotes.json
- demo_e2e/results/prueba_2_perceive.json
- demo_e2e/results/prueba_3_search.json
- demo_e2e/results/prueba_4_login_session.json
- demo_e2e/results/prueba_5_books.json
- demo_e2e/results/prueba_6_session_storage.json
- demo_e2e/results/prueba_7_find_honesto.json
- demo_e2e/results/prueba_8_verificacion.json
- ...

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

CAPABILITIES_TODO.md

@@ -2,7 +2,7 @@
 title: Capacidades de navegador (CDP) + construcción del MCP full-CDP
 artefacto: project · projects/web_scraping
 created: 06/06/2026 00:00
-updated: 06/06/2026 07:00
+updated: 06/06/2026 09:00
 status: in_progress
 related_issues: []
 related_flows: []
@@ -244,6 +244,18 @@ Prioridad BAJA (formularios compuestos, emulación device, performance, drag):
 
 ## Hecho (lo que YA tenemos)
 
+- [x] **Gap #1 — bucle percibir→actuar por `#ref` + auto-observe** (06/06/2026, 9/9 e2e)
+      - `#ref` = `backendDOMNodeId` (estable, no el efímero del AX) → ref→acción + refs estables resueltos
+        juntos y **stateless** (sin mapa en el MCP). Validado con dump de AXNode real antes de codear.
+      - Funciones nuevas: `cdp_click_xy_human` (primitivo de click humanizado por coords, compartido por
+        selector/#ref/visión), `cdp_click_ref`, `cdp_type_ref`, `cdp_hover_ref`. `cdp_click_human`
+        refactorizado para usar el primitivo (un solo camino de click).
+      - MCP: tools `dom_click_ref`/`dom_type_ref`/`dom_hover_ref` con **auto-observe** (devuelven el outline
+        tras la acción). browser_mcp v0.3.0, **39 tools**.
+      - `render_ax_outline` mejorado (defectos F1): guard de ciclo + profundidad, sin `ljust`, renderiza `value`.
+      - Validado prueba e2e 9: login en the-internet **solo por `#ref`**, sin un selector CSS.
+      - Pendiente de la familia: política de humanización por sesión (`human`/`fast`/`instant`).
+      - enlace: functions/browser/cdp_{click_xy_human,click_ref,type_ref,hover_ref}.go + render_ax_outline.py
 - [x] **Tanda de deuda A+D+E+B — 4 fixes + 8/8 e2e** (06/06/2026)
       - **A** aislamiento robusto: `chrome_launch` usa el binario real (salta el wrapper que pisaba flags).
       - **D** `sessionStorage` añadido a `storage_state` (save+load). Validado por prueba e2e 6.
@@ -433,6 +445,115 @@ funcionó**. Evaluado contra el bucle PERCIBIR → DECIDIR → ACTUAR → VERIFI
 
 ---
 
+## Roadmap MCP de clase — benchmark Playwright + Visión (apuntado 06/06/2026)
+
+Objetivo: pasar de "wrapper con ~36 tools" a un MCP de clase. La métrica NO es el número de tools
+(Playwright MCP ~60, Chrome DevTools MCP 26) — gran parte de los 60 de Playwright son inflado (storage
+desglosado, video/tracing). Lo que sube el nivel real es **cerrar los 4 gaps de clase + dar al agente
+tres sentidos de percepción→acción**.
+
+### Los tres sentidos del agente (percepción → acción)
+
+El agente tendrá tres vías para "ver" una página y actuar sobre ella. Cada una necesita su puente a la acción:
+
+1. **DOM / AX tree** (hoy parcial) — `page_perceive` → outline con `#ref`. **Falta el puente `#ref` → acción.**
+2. **Texto** (hoy) — `cdp_get_text` (compacto, selector opcional).
+3. **Visión** (futuro, el usuario aportará los modelos) — screenshot → **OCR** (texto + bbox) + **YOLO**
+   (objetos + bbox) → el agente ve la página como imagen. **Puente a la acción = coordinate mouse**
+   (`click_xy` sobre el bounding box detectado). Por esto coordinate mouse NO es inflado: es el sentido
+   de la mano para el ojo visual.
+
+### Transversal — humanización SIEMPRE en las acciones (anti-detección)
+
+REGLA DE DISEÑO: todas las acciones de ratón/teclado del agente usan por defecto la variante humanizada
+(curva de Bézier + jitter + micro-pausas variables), no el evento sintético directo. Ya existen
+`cdp_click_human` y `cdp_move_mouse_human`; el `cdp_type_text` ya escribe char a char con pausa. Aplicar:
+
+- El puente `#ref` → acción (A1) y `click_xy` (C1) deben ir **por defecto** por el camino humanizado
+  (mover el ratón con Bézier hasta el destino + click con micro-pausa press/release), no por
+  `Input.dispatchMouseEvent` seco. Exponer un flag `instant=true` solo para tests/velocidad.
+- Donde falte versión humanizada (scroll, drag_xy), crear la variante con jitter/easing.
+- Objetivo: que el tráfico de input sea indistinguible de un humano — es ventaja nuestra frente a
+  Playwright/CDP-MCP, que no humanizan. No perderla al añadir tools nuevas.
+
+### A. Gaps de clase (los 4 que de verdad suben el nivel)
+
+- [x] **A1 — Puente `#ref` → acción** ✅ (06/06). `cdp_click_ref`/`cdp_type_ref`/`cdp_hover_ref` + primitivo
+      `cdp_click_xy_human`. Tools MCP `dom_click_ref`/`type_ref`/`hover_ref`. Validado prueba e2e 9.
+      Hoy el outline da `#ref=44` pero el LLM no puede usarlo: tiene que volver a selector CSS. Cierra el loop
+      percibir↔actuar. **Gap #1 ahora.**
+- [x] **A2 — Refs estables** ✅ (06/06). Resuelto stateless: el `#ref` ES el `backendDOMNodeId` (estable
+      mientras el nodo viva), no el `nodeId` efímero del AX. Sin mapa de estado en el MCP. `render_ax_outline` actualizado.
+- [x] **A3 — Auto-observe tras acción** ✅ (06/06). Las tools `_ref` del MCP devuelven el outline AX
+      actualizado tras la acción (settle 400ms + perceiveOutline). Verificación implícita. Validado prueba 9.
+- [ ] **A4 — Política de target segura en el MCP** (P0 seguridad). `cdp_connect_target` da la herramienta;
+      falta la regla: el MCP lanza Chrome propio (perfil + puerto dedicados, ya en 9333) o exige target
+      explícito; nunca engancha a la tab del 9222 por `match=""`.
+- [ ] **A5 — Intercept / mock de red** (`Fetch.enable`) (P0 programático). Mockear APIs, bloquear recursos,
+      inyectar headers. La tool más valiosa de Playwright (`route`). Hoy 0.
+
+### B. Tools valiosas del benchmark Playwright (delta real, ~12)
+
+- [ ] **B1 verbos de formulario**: `hover`, `select_option` (`<select>`), `file_upload` (`DOM.setFileInputFiles`),
+      `drag`/`drop`.
+- [ ] **B2 network observability**: `network_requests` (lista en vivo) + `network_request` (inspeccionar uno).
+      Complementa el HAR post-mortem.
+- [ ] **B3 `console_messages`**: capturar consola + excepciones JS (`Runtime.consoleAPICalled`). Debug + detección.
+- [ ] **B4 assertions (modo programático)**: `verify_element_visible` / `verify_text_visible` / `verify_value`.
+      Es el EJE VERIFICAR aplicado a recetas YAML (assert por paso).
+
+### C. Coordinate mouse — IMPORTANTE (base del modo visión)
+
+Reclasificado de "inflado" a importante por el usuario: es el puente entre visión (bbox de OCR/YOLO) y acción.
+
+- [ ] **C1** `cdp_click_xy(x, y)` — click por coordenadas (sobre lo que la visión detecta).
+- [ ] **C2** `cdp_move_xy` / `cdp_mouse_down` / `cdp_mouse_up` — control fino del ratón por píxeles.
+- [ ] **C3** `cdp_drag_xy(x1,y1,x2,y2)` — drag por coordenadas.
+- [ ] **C4** `cdp_scroll` ya existe; añadir target por coordenadas/elemento (P1.5).
+
+### D. Misc — IMPORTANTE
+
+- [ ] **D1** `cdp_save_pdf` (`Page.printToPDF`) — exportar página a PDF.
+- [ ] **D2** `cdp_get_console` (= B3) — consola + excepciones.
+- [ ] **D3** `cdp_resize` / `cdp_emulate_device` (`Emulation.setDeviceMetricsOverride`) — viewport conocido
+      (clave para visión: coordenadas estables) + mobile/touch.
+- [ ] **D4** `cdp_nav_back`/`forward` ya existen; `wait_for` cubierto por wait_load/idle/element.
+- [ ] Screenshot como **MCP image content** (hoy `page_screenshot` va a archivo → el LLM no lo ve). Prerequisito
+      del modo visión.
+
+### E. VISIÓN (OCR + YOLO) — tarea futura, el usuario aporta los modelos
+
+- [ ] **E1** Pipeline de percepción visual: `page_screenshot` (a buffer) → **OCR** (texto + bbox) + **YOLO**
+      (objetos UI + bbox) → estructura `{label, text, bbox}` que el agente consume como "outline visual".
+- [ ] **E2** Función `ocr_page` y `detect_ui_elements` (los modelos los aportará el usuario). Dominio nuevo
+      (¿`vision`?) o `browser`. Probable Python (modelos ML).
+- [ ] **E3** Puente visión → acción vía coordinate mouse (sección C): el agente clica el centro del bbox.
+- [ ] **E4** Screenshot como image content en el MCP (D) para que el LLM también vea el píxel directamente.
+- Nota: la visión es el tercer sentido — complementa, no sustituye, al AX outline (que es más barato en
+      tokens). Útil cuando el DOM miente (canvas, iframes cross-origin, apps que pintan en `<canvas>`).
+
+### F. Defectos de calidad a corregir en lo ya construido (del coach)
+
+- [x] **F1** ✅ (06/06) `render_ax_outline`: guard de ciclo (`visited`) + límite de profundidad (`_MAX_DEPTH=60`);
+      `ljust(60)` eliminado; renderiza el `value` de inputs (`= 'texto'`). Hecho en la misma edición del `#ref`.
+- [ ] **F2** `cdp_get_html` sin límite: **documentar** que es "crudo a propósito" (la vía compacta es
+      get_text + outline).
+- [ ] **F3** `cdp_connect_target` con `match=""`: documentar que es inseguro fuera del MCP; la política
+      segura vive en A4.
+- [ ] **F4** Limpieza de recursos: isolated worlds que crea `cdp_eval_in_frame`, conexiones del pool del MCP.
+
+### G. Inflado de Playwright — NO construir salvo necesidad concreta
+
+Storage granular desglosado (cookie/localStorage/sessionStorage × get/set/delete/list/clear = 17 tools;
+nosotros lo hacemos con 6), video/tracing/highlight (9 tools de debug visual de testing), `generate_locator`,
+`run_code_unsafe` (= nuestro `page_eval_js`). Replicar esto sube el contador a ~45 sin añadir poder.
+
+### Telemetría
+
+`call_monitor` ya existe — cada tool del MCP encaja sin trabajo extra.
+
+---
+
 ## Enlaces
 
 - App orquestadora — projects/web_scraping/apps/script_navegador (CLI rápido: open/click/type/eval/html/shot/wait/tabs/launch/close/profiles + runner YAML)