capability:document:scrap

目的

ブラウザオートメーション（Playwright）またはウェブ検索を使用して、ウェブソースからPDF/Wordドキュメントを検出および抽出します。

実行

1. 戦略: フォームベースのサイトにはPlaywright、静的サイトにはWebSearch/WebFetchを使用
2. オートメーション: ナビゲーション、フォーム入力、送信、browser_run_codeを介したリンク抽出
3. 抽出: ドキュメントURLとメタデータを解析し、フィルタを適用
4. 確認: 結果を提示し、ユーザーが確認したらダウンロード

委譲

必須: このコマンドのfrontmatterで定義されたエージェントを常に呼び出し、その指定された責任を果たさせてください。スキップ、置換、または直接シミュレートしないでください。

• zzaia-document-specialist — PlaywrightおよびTavily MCPツールを使用してPDF/Wordドキュメントを検出およびダウンロード

ワークフロー

sequenceDiagram
    participant U as User
    participant C as Command
    participant B as Browser/Search

    U->>C: /scraping <parameters>
    C->>B: Navigate/Search
    B-->>C: Extract documents
    C->>U: Present results
    U->>C: Confirm download
    C->>U: Download files

受け入れ基準

• インタラクティブサイトにはPlaywrightを優先し、WebSearchへのフォールバック
• メタデータ抽出を伴うPDF/Wordドキュメントの検出
• フィルタを適用し、ダウンロードにはユーザー確認を要求
• 有意なメッセージでエラーを適切に処理

例

# フィルタ付きフォームベースサイト
/capability:document:scraping url=https://site.com/search filters='{"term": "value"}'

# ダウンロード付きウェブ検索
/capability:document:scraping search="research papers 2025" download=true output-path=/workspace/docs

# ダウンロードなしURL
/capability:document:scraping url=https://site.com/resources download=false

出力

• メタデータ付きドキュメントテーブル（タイトル、タイプ、サイズ、URL）
• 確認プロンプトとダウンロード進捗
• 統計サマリーとエラーログ