AI导哈

浏览器自然语言控制代理

一个基于自然语言命令控制浏览器的代理工具，支持多步骤任务、自动搜索、点击、滚动、截图、文本提取和总结等功能。

  • by AnvithAnvi
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 AnvithAnvi/Mcp_agent_browser

使用说明

🧠 浏览器MCP代理

使用以下命令控制浏览器 自然语言命令! 内置 溪流, 剧作家，以及 OpenAI GPT-4 （异步版本），此代理支持：

  • 多步骤任务
  • 在YouTube、谷歌、维基百科上自动搜索
  • 点击、滚动和截图操作
  • 文本提取和摘要
  • 自动CSS选择器检测

特性

特性 描述
多步骤任务 执行以下序列：访问→ 搜索→ 点击→ 总结
搜索 在YouTube、谷歌、维基百科上自动搜索查询
摘要 从页面元素中提取文本，并用3-5句话进行总结
截图 对网页或部分进行截图
异步浏览器 使用异步Playwright在Streamlit中安全执行
自动选择器 点击和汇总操作会自动检测CSS选择器

安装

  1. 克隆存储库：
git clone https://github.com/AnvithAnvi/browser_mcp_agent.git
cd browser_mcp_agent
  1. 创建虚拟环境并激活它：
python3 -m venv venv
source venv/bin/activate   # macOS/Linux
# venv\Scripts\activate   # Windows
  1. 安装依赖项：
pip install -r requirements.txt
  1. 安装Playwright浏览器：
playwright install
  1. 在中添加您的OpenAI API密钥 .env:
OPENAI_API_KEY=your_openai_api_key_here

运行应用程序

streamlit run main.py

打开终端中显示的URL（通常 http://localhost:8501)并开始发出命令。

示例命令

  • “打开YouTube并搜索Bahubali”
  • “去维基百科搜索数据科学，然后总结第一段”
  • “访问谷歌并搜索OpenAI GPT-4”
  • 转到openai.com，单击“关于”链接，向下滚动并截图

备注

  • 代理异步运行，在多个步骤中保持浏览器状态。
  • 默认情况下，屏幕截图保存在项目文件夹中。
  • 除非添加身份验证处理，否则避免发出需要登录的命令。

未来改进

  • 搜索后自动单击第一个搜索结果
  • 从YouTube搜索结果中提取视频标题/描述
  • Streamlit中的任务预览UI，用于多步操作
  • 将自动搜索支持扩展到更多网站（亚马逊、推特等）

相关 MCP