AI导哈

浏览器自动化工具

BrowserAgent是一款基于自然语言控制的浏览器自动化工具，通过MCP、Playwright和LLMs技术实现网页浏览、交互和内容提取。

  • by SaadKhaquan1211
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 SaadKhaquan1211/BrowserAgent-MCP

使用说明

🌐 BrowserAgent：使用简单的英文命令浏览网页，由MCP、Playwright和LLM提供支持。

浏览 是一款将自然语言转化为浏览器操作的Streamlit应用程序。
只需告诉它该做什么 “转到维基百科并总结主页” --它确实做到了。
它使用 模型上下文协议（MCP）, MCP代理，以及 剧作家 让您以前所未有的方式浏览、点击、提取和探索网络。

✨ 特性

💬 自然语言控制

  • 使用简单的英文命令控制真实的浏览器
  • 与OpenAI或Anthropic LLM无缝集成

🌍 全浏览器导航

  • 访问网站、返回、刷新和滚动
  • 通过对话执行多步命令

🖱️ 交互操作

  • 单击按钮、填写表单、键入文本并浏览动态页面

🧠 智能提取与分析

  • 提取、总结或分析网页内容
  • 捕获特定页面元素的屏幕截图以获得视觉反馈

🧩 复杂任务自动化

  • 在一个命令中链接多个浏览器操作
  • 示例：“转到博客，打开最新帖子，并对其进行总结。”

⚙️ 设置和安装

🧱 需求

  • Python 3.8+
  • Node.js和npm （剧作家依赖性-必填！）
  • OpenAI或Anthropic API密钥

🪜 安装步骤

  1. 克隆存储库
    git clone https://github.com/SaadKhaquan1211/BrowserAgent-MCP.git
cd BrowserAgent-MCP

安装依赖项


pip install -r requirements.txt
Verify Node.js and npm

使用以下命令检查npm和node版本


node --version
npm --version

如果这些命令失败，请在继续之前安装Node.js。

设置API密钥



export OPENAI_API_KEY=your-openai-api-key

▶️ 运行应用程序

复制代码



streamlit run main.py
Once launched, you’ll see an interface with:

A command input box

A “Run Command” button
  • 浏览器反馈和下面的截图

🧩 示例命令 🔗 基本导航

  • 请访问www.wikipedia.org

  • 返回上一页

🖱️ 交互

  • 点击登录按钮
  • 向下滚动查看更多内容

📋 内容提取

  • 总结本页主要内容

  • 提取导航菜单项

  • 截取英雄部分的屏幕截图

🔄 多步骤任务

  • 转到博客，打开最新帖子，并对其进行总结

🏗️ 架构概述

  • BrowserAgent通过以下方式将语言模型与真实的网络浏览连接起来：

  • 溪流→ 用户界面

  • 模型上下文协议（MCP）→ 将LLM与实际工具连接起来

  • 剧作家→ 控制无头浏览器以实现自动化

  • MCP代理 → 为工具使用提供代理框架。

  • OpenAI/人类模型→ 理解并执行用户命令

🌟 用例

  • 浏览和总结网站的研究助理

  • 重复性web任务的自动化

  • 测试和调试网站导航

  • AI浏览器自动化的教学与演示

🤝 贡献

  • 欢迎投稿！

  • 报告错误或建议新功能

提交拉取请求

改进文档或示例

相关 MCP