AI导哈

LLM驱动的浏览器自动化工具

一个使用LLM代理进行浏览器自动化的工具，支持导航、读取页面内容、点击元素和填写表单等功能，适用于实验、演示和内部工具开发。

  • by dibyendutapadar
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 dibyendutapadar/browser-automation-google-adk-playwright-mcp

使用说明

简单的LLM驱动的浏览器自动化（剧作家+谷歌ADK）

目的

该项目展示了 由LLM代理驱动的简单浏览器自动化 充当前端自动化代理。代理解释自然语言指令，并通过MCP使用Playwright执行浏览器操作，如导航、阅读页面内容、单击元素和填写表单。

目标

  • 使用LLM作为浏览器自动化的决策层
  • 通过以下方式执行真实的浏览器操作 剧作家MCP
  • 使用以下命令运行代理 谷歌ADK网络 用于交互式控制和检查
  • 保持设置简单易用

高层架构

  • 谷歌ADK：代理运行时、编排和web UI
  • 剧作家MCP：通过标准化的工具界面执行浏览器操作

设置

1.创建和激活虚拟环境

python -m venv .venv
source .venv/bin/activate  # macOS / Linux
# .venv\Scripts\activate   # Windows

2.安装依赖项

pip install google-adk google-generativeai litellm

节点依赖关系由以下方式自动解决 npx 当剧作家MCP运行时。

3.环境变量（.env）

创建 .env 项目根目录中的文件。

# OpenAI (used via LiteLLM)
OPENAI_API_KEY=your_openai_key_here

# Google (only required if switching to Gemini)
GOOGLE_API_KEY=your_google_api_key_here

如果稍后启用Playwright浏览器扩展模式，您可能还需要：

PLAYWRIGHT_MCP_EXTENSION_TOKEN=your_token_here

4.修改代理说明（可选）

编辑 instruction 把…的车堵住 agent.py 改变代理的行为方式。

示例：

  • 使其在点击方面更加保守
  • 每次导航后强制截图
  • 将其限制为只读操作

指令字符串是代理的操作策略。更改它比更改代码更能改变行为。

5.运行ADK Web应用程序

虚拟环境激活后：

adk web

这将启动Google ADK web UI，您可以在其中与代理交互并实时查看浏览器操作的执行情况。

模型配置

项目默认为：

  • 决策模型: openai/gpt-4o 通过LiteLLM

您可以通过以下方式切换到Gemini：

MODEL_GPT = "openai/gpt-4o"

到

MODEL_GEMINI = "gemini-2.5-flash"

并相应地更新代理模型。

这是什么，不是什么

这是：

  • LLM驱动的浏览器自动化的最低参考
  • 可用于实验、演示和内部工具

这不是：

  • 可靠的QA自动化框架
  • Playwright测试套件的替代品
  • 针对敌对或经过身份验证的网站进行加固

如果你像对待硒一样对待它，你会失望的。

学分

  • 剧作家MCP 由微软提供标准化浏览器工具
  • 谷歌ADK 用于代理运行时、编排和web界面

这两个项目都承担着繁重的任务。这个仓库只是把它们干净利落地连接在一起。

相关 MCP