NanobotでCaptchaをCapSolverを使って解く方法

# PyPIからインストール
pip install nanobot-ai

# 開発用にソースからインストール
git clone https://github.com/HKUDS/nanobot.git
cd nanobot
pip install -e ".[dev]"

# 設定とワークスペースを初期化
nanobot onboard

export CAPSOLVER_API_KEY="CAP-XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX"

# Playwrightのブラウザ依存関係をインストール（Ubuntu）
sudo apt install -y libnss3 libatk-bridge2.0-0 libdrm2 libxcomposite1 \
  libxdamage1 libxrandr2 libgbm1 libpango-1.0-0 libasound2t64

# Playwrightをnanobotワークスペースにインストール
cd ~/.nanobot/workspace
npm init -y
npm install playwright
npx playwright install chromium

# チャネルサービス（Telegram、Discordなど）を起動
nanobot gateway

# またはインタラクティブなテスト用
nanobot agent

利用可能なツールは何ですか？

---
name: capsolver
description: "Playwrightを使用してCapSolver REST APIでCAPTCHAを解決します。reCAPTCHA v2、reCAPTCHA v3、Cloudflare Turnstileをサポートします。フォーム送信やページ操作でCAPTCHAチャレンジに遭遇したときに使用してください。"
metadata: {"nanobot":{"emoji":"🔓","always":true,"requires":{"bins":["node"],"env":["CAPSOLVER_API_KEY"]}}}
---

# CapSolver

## 重要: 実行が必要

ユーザーがCAPTCHAを解決するよう依頼した場合、**すぐにツールを呼び出す必要があります**。"実行中..."や"I'll start..."や"I've started the automation..."などのテキストで応答しないでください。

最初のアクションは以下のいずれかでなければなりません:
1. Node.jsスクリプトを`write_file`で保存し、その後`exec`で実行
2. 詳細なタスク説明を`spawn`でバックグラウンド実行用に渡す

テキストのみで応答し、ツール呼び出しをしない場合、ユーザーは何も起こっていないと感じます。常に実行してください。

## APIエンドポイント

- **タスク作成**: `POST https://api.capsolver.com/createTask`
- **結果取得**: `POST https://api.capsolver.com/getTaskResult`

## タスクタイプ

| CAPTCHA | タスクタイプ | サイトキーの場所 |
|---|---|---|
| reCAPTCHA v2 | `ReCaptchaV2TaskProxyLess` | `data-sitekey`属性 |
| reCAPTCHA v3 | `ReCaptchaV3TaskProxyLess` | `grecaptcha.execute`コールまたはページソース |
| Cloudflare Turnstile | `AntiTurnstileTaskProxyLess` | Turnstile divの`data-sitekey` |

エンタープライズバージョン: `ReCaptchaV2EnterpriseTaskProxyLess`、`ReCaptchaV3EnterpriseTaskProxyLess`。

## ワークフロー

1. Playwrightでページに移動（ヘッドレスChromium）
2. DOMからサイトキーを抽出（`[data-sitekey]`属性）
3. サイトキーとページURLで`createTask`を呼び出す
4. 2秒ごとに`getTaskResult`をポーリングし、`status: "ready"`になるまで待つ
5. トークンをページにインジェクト（隠しフォームフィールド）
6. フォームを送信

## コアコードパターン

```javascript
const CAPSOLVER_API_KEY = process.env.CAPSOLVER_API_KEY;

// ステップ1: タスク作成
const createRes = await fetch('https://api.capsolver.com/createTask', {
  method: 'POST',
  headers: { 'Content-Type': 'application/json' },
  body: JSON.stringify({
    clientKey: CAPSOLVER_API_KEY,
    task: {
      type: 'ReCaptchaV2TaskProxyLess',  // または ReCaptchaV3TaskProxyLess、AntiTurnstileTaskProxyLess
      websiteURL: pageUrl,
      websiteKey: siteKey
    }
  })
});
const { taskId } = await createRes.json();

// ステップ2: 結果をポーリング
let token;
while (true) {
  await new Promise(r => setTimeout(r, 2000));
  const res = await fetch('https://api.capsolver.com/getTaskResult', {
    method: 'POST',
    headers: { 'Content-Type': 'application/json' },
    body: JSON.stringify({ clientKey: CAPSOLVER_API_KEY, taskId })
  });
  const result = await res.json();
  if (result.status === 'ready') { token = result.solution.gRecaptchaResponse || result.solution.token; break; }
  if (result.status === 'failed') throw new Error('Solve failed');
}

// ステップ3: トークンをインジェクト（reCAPTCHA）
await page.evaluate((t) => {
  document.querySelectorAll('textarea[name="g-recaptcha-response"]')
    .forEach(el => { el.value = t; el.innerHTML = t; });
}, token);
```

Turnstileの場合、トークンフィールドは通常`input[name="cf-turnstile-response"]`で、解決は`result.solution.token`にあります。

## 完全なAPIリファレンス

すべてのタスクタイプのパラメータドキュメント、オプションフィールド、および例の応答については `{baseDir}/references/api.md` を参照してください。

{
  "clientKey": "YOUR_API_KEY",
  "task": {
    "type": "ReCaptchaV2TaskProxyLess",
    "websiteURL": "https://www.google.com/recaptcha/api2/demo",
    "websiteKey": "6Le-wvkSAAAAAPBMRTvw0Q4Muexq9bi0DJwx_mJ-",
    "isInvisible": false
  }
}

{
  "clientKey": "YOUR_API_KEY",
  "task": {
    "type": "ReCaptchaV3TaskProxyLess",
    "websiteURL": "https://www.example.com",
    "websiteKey": "6Le-wvkSAAAAAPBMRTvw0Q4Muexq9bi0DJwx_kl-",
    "pageAction": "login"
  }
}

{
  "clientKey": "YOUR_API_KEY",
  "task": {
    "type": "AntiTurnstileTaskProxyLess",
    "websiteURL": "https://www.example.com",
    "websiteKey": "0x4XXXXXXXXXXXXXXXXX",
    "metadata": {
      "action": "login",
      "cdata": "0000-1111-2222-3333-example-cdata"
    }
  }
}

  あなたのメッセージ                    Nanobotエージェント
  ────────────────────────────────────────────────────
  "そのページに行き、          ──►  エージェントがメッセージを受信
   フォームを埋め、                 │
   CAPTCHAを解決し、               ▼
   送信してください"            エージェントが自動化スクリプトを書く
                                  │
                                  ▼
                             execツールがスクリプトを実行
                             ┌─────────────────────────────────┐
                             │  ヘッドレスChromium               │
                             │                                  │
                             │  1. ターゲットページに移動        │
                             │  2. DOMからサイトキーを抽出        │
                             │     (data-sitekey属性)            │
│                                  │
                             │  3. CapSolver REST APIを呼び出す:     │
                             │     POST /createTask             │
                             │     POST /getTaskResult (poll)   │
                             │                                  │
                             │  4. トークンを非表示の         │
                             │     テキストエリア/入力フィールドに挿入 │
                             │                                  │
                             │  5. 送信ボタンをクリック         │
                             │  6. 成功を確認                   │
                             │  7. スクリーンショットを取得     │
                             └─────────────────────────────────┘
                                  │
                                  ▼
                             エージェントが出力とスクリーンショットを読み取る
                                  │
                                  ▼
                             "フォームが正常に送信されました！
                              ページには「検証成功...おめでとう！」と表示されています"

### CapSolver APIフロー

統合のコアとなる2つのAPIコール:

**1. タスクの作成** — CAPTCHAのサイトキーとページURLをCapSolverに送信します:

```javascript
const response = await fetch('https://api.capsolver.com/createTask', {
  method: 'POST',
  headers: { 'Content-Type': 'application/json' },
  body: JSON.stringify({
    clientKey: CAPSOLVER_API_KEY,
    task: {
      type: 'ReCaptchaV2TaskProxyLess',
      websiteURL: pageUrl,
      websiteKey: siteKey
    }
  })
});

const result = await fetch('https://api.capsolver.com/getTaskResult', {
  method: 'POST',
  headers: { 'Content-Type': 'application/json' },
  body: JSON.stringify({
    clientKey: CAPSOLVER_API_KEY,
    taskId: taskId
  })
});
// result.solution.gRecaptchaResponseにトークンが含まれます

await page.evaluate((token) => {
  const textarea = document.querySelector('textarea[name="g-recaptcha-response"]');
  if (textarea) {
    textarea.value = token;
    textarea.innerHTML = token;
  }
}, captchaToken);

const { chromium } = require('playwright');
const https = require('https');

const CAPSOLVER_API_KEY = process.env.CAPSOLVER_API_KEY;
const PAGE_URL = 'https://www.google.com/recaptcha/api2/demo';

function httpsPost(url, data) {
  return new Promise((resolve, reject) => {
    const req = https.request(url, {
      method: 'POST',
      headers: { 'Content-Type': 'application/json' }
    }, (res) => {
      let body = '';
      res.on('data', chunk => body += chunk);
      res.on('end', () => resolve(JSON.parse(body)));
    });
    req.on('error', reject);
    req.write(JSON.stringify(data));
    req.end();
  });
}

async function solveRecaptcha(siteKey, pageUrl) {
  console.log('CapSolverタスクを作成中...');

  const createRes = await httpsPost('https://api.capsolver.com/createTask', {
    clientKey: CAPSOLVER_API_KEY,
    task: {
      type: 'ReCaptchaV2TaskProxyLess',
      websiteURL: pageUrl,
      websiteKey: siteKey
    }
  });

  const { taskId } = createRes;
  console.log(`タスクID: ${taskId}`);

  let token;
  while (true) {
    await new Promise(r => setTimeout(r, 2000));

    const res = await httpsPost('https://api.capsolver.com/getTaskResult', {
      clientKey: CAPSOLVER_API_KEY,
      taskId
    });

    if (res.status === 'ready') {
      token = res.solution.gRecaptchaResponse;
      console.log(`トークンを取得しました！長さ: ${token.length}`);
      break;
    }
    if (res.status === 'failed') {
      throw new Error('CapSolverタスクが失敗しました');
    }
  }

  if (!token) throw new Error('トークンを取得できませんでした');
  return token;
}

async function main() {
  const browser = await chromium.launch({ headless: true });
  const page = await browser.newPage();

  console.log('ページに移動中...');
  await page.goto(PAGE_URL, { waitUntil: 'domcontentloaded', timeout: 30000 });

  console.log('サイトキーを抽出中...');
  const siteKey = await page.locator('[data-sitekey]').getAttribute('data-sitekey');
  console.log(`サイトキー: ${siteKey}`);

  console.log('CapSolverでreCAPTCHAを解決中...');
  const token = await solveRecaptcha(siteKey, PAGE_URL);

  console.log('トークンを挿入中...');
  await page.evaluate((t) => {
    document.querySelectorAll('textarea[name="g-recaptcha-response"]')
      .forEach(el => { el.value = t; el.innerHTML = t; });
  }, token);

  console.log('フォームを送信中...');
  await page.locator('input[type="submit"]').click();

  console.log('結果を待機中...');
  await page.waitForTimeout(3000);

  const successText = await page.textContent('body');
  if (successText.includes('Success') || successText.includes('Verification')) {
    console.log('\n✅ 成功！reCAPTCHAが解決され、フォームが正常に送信されました！');
    console.log('成功メッセージ:', successText.slice(0, 200));
  } else {
    console.log('\n❌ 結果が不明です。ページの内容:', successText.slice(0, 300));
  }

  await page.screenshot({ path: 'recaptcha_result.png' });
  console.log('スクリーンショットをrecaptcha_result.pngに保存しました');

  await browser.close();
}

main().catch(console.error);

CAPSOLVER_API_KEY=CAP-XXX node solve_recaptcha.js

https://www.google.com/recaptcha/api2/demoに移動し、CapSolver APIを使用してreCAPTCHAを解決し、フォームを送信して、それが成功したかどうかを教えてください。

https://example.com/loginに移動し、メールアドレスに"me@example.com"、パスワードに"mypassword"を入力し、ページに表示されるCAPTCHAを検出し、解決して、サインインをクリックし、何が起こったかを教えてください。

https://example.com/contactを開き、名前、メールアドレス、メッセージのフィールドに入力し、CAPTCHAを解決し、フォームを送信し、確認メッセージを教えてください。

            else:
                # ツール呼び出しなし — しかしLLMが行動を幻覚しているか確認
                if iteration == 1 and self._seems_like_hallucinated_action(response.content):
                    logger.warning("LLMがツール呼び出しなしで行動を説明しました — リトライします")
                    messages.append({"role": "assistant", "content": response.content})
                    messages.append({
                        "role": "user",
                        "content": (
                            "[システム: あなたはタスクを開始したと説明しましたが、ツールを呼び出しませんでした。ユーザーはexec、write_file、spawnなどのツールを使用しないと進捗が見えません。実際にタスクを実行するには適切なツールを呼び出してください。]"
                        ),
                    })
                    continue
                final_content = response.content
                break

    @staticmethod
    def _seems_like_hallucinated_action(content: str | None) -> bool:
        """LLMがツール呼び出しなしで行動を説明しているかを検出します。"""
        if not content:
            return False
        lower = content.lower()
        phrases = [
            "running now", "i've started", "i'll start", "starting the",
            "i've begun", "i'll begin", "executing now", "i'm working on",
            "let me run", "running the", "i've kicked off", "launched the",
            "i've initiated", "working on it",
        ]
        return any(phrase in lower for phrase in phrases)

// 以下をインポート
from nanobot.agent.skills import SkillsLoader

// __init__に追加:
self._skills = SkillsLoader(workspace)

// _build_subagent_prompt()の最後に追加:
        always_skills = self._skills.get_always_skills()
        if always_skills:
            skills_content = self._skills.load_skills_for_context(always_skills)
            if skills_content:
                prompt += f"\n\n## 参考ドキュメント\n\n{skills_content}"
        return prompt

class ExecToolConfig(BaseModel):
    """シェル実行ツールの設定。"""
    timeout: int = 120  # 以前は60

cd ~/.nanobot/workspace && npm install playwright && npx playwright install chromium

sudo apt install -y libnss3 libatk-bridge2.0-0 libdrm2 libxcomposite1 \
  libxdamage1 libxrandr2 libgbm1 libpango-1.0-0 libasound2t64

chromium.launch({
  headless: true,
  args: ['--no-sandbox', '--disable-setuid-sandbox', '--disable-dev-shm-usage']
});

cd ~/.nanobot/workspace && npm update playwright && npx playwright install chromium