เปิดเบราว์เซอร์ใช้งานเชื่อมต่อเอเจนต์ AI กับเซสชันเบราว์เซอร์ Chrome จริง
open-browser-use, พัฒนาโดย IFurySt, เป็นกรอบการทำงานการทำงานอัตโนมัติของเบราว์เซอร์ที่เป็นกลางต่อแพลตฟอร์มซึ่งเชื่อมต่อเอเจนต์ที่ใช้ LLM กับเซสชัน Chrome จริงสำหรับงานเว็บที่ขับเคลื่อนโดยเอเจนต์ มันรันเซิร์ฟเวอร์ MCP และควบคุม Chrome ผ่านส่วนขยาย MV3 และโฮสต์การส่งข้อความพื้นฐาน ทำให้เอเจนต์สามารถนำทาง, โต้ตอบ, และดึงข้อมูลที่มีโครงสร้างจากหน้าเว็บสด โครงการนี้รวม CLI และ SDK สำหรับ Python, JavaScript, และ Go โดยมุ่งเป้าไปที่นักพัฒนาและนักวิจัยที่ต้องการการรวมเบราว์เซอร์แบบท้องถิ่นและความเข้ากันได้ของไซต์ที่คาดการณ์ได้.
คุณสามารถใช้มันทำงานอะไรได้บ้าง?
เครื่องมือนี้แมพเจตนาของตัวแทนไปยังการกระทำของเบราว์เซอร์ที่เป็นรูปธรรม ดังนั้นนักพัฒนาสามารถกำหนดตัวแทนให้กับเวิร์กโฟลว์การแปลภาษา, การดึงข้อมูล, การทำงานอัตโนมัติตามฟอร์ม และการทดสอบเบราว์เซอร์แบบครบวงจร มันเปิดเผยเซิร์ฟเวอร์ MCP สำหรับการควบคุมตัวแทน, เสนอคำสั่งระดับ CDP, และรวมการจัดการแท็บสำหรับลำดับหลายหน้าต่าง ผลลัพธ์ทั่วไปคือการดึงข้อมูลจากหน้าเว็บที่มีโครงสร้าง, การโต้ตอบที่เขียนสคริปต์, และแผนการดำเนินการอัตโนมัติที่ดำเนินการภายในเบราว์เซอร์สด.
ผลลัพธ์มีความเชื่อถือได้แค่ไหนเมื่อโต้ตอบกับเว็บไซต์จริง?
การควบคุมอินสแตนซ์ Chrome จริงผ่านส่วนขยาย MV3 และโฮสต์การส่งข้อความพื้นเมืองช่วยเพิ่มความเข้ากันได้กับเว็บไซต์ที่ใช้การเรนเดอร์แบบไดนามิกหรือมาตรการรักษาความปลอดภัยสมัยใหม่เมื่อเปรียบเทียบกับการตั้งค่าหัวไร้หัวหลายๆ แบบ การเข้าถึงโดยตรงไปยัง Chrome DevTools Protocol ทำให้นักพัฒนามีการควบคุมระดับต่ำสำหรับการโต้ตอบในกรณีขอบ ผลลัพธ์ที่เชื่อถือได้ยังคงขึ้นอยู่กับโครงสร้างหน้าและแผนของตัวแทน ดังนั้นการทำซ้ำจึงต้องการการทดสอบที่มุ่งเป้าไปยังหน้าเว็บจริงที่คุณตั้งใจจะทำให้เป็นอัตโนมัติ.
มันรับข้อมูลนำเข้าอะไรได้บ้างและต้องการการตั้งค่าอย่างไร?
การรวมต้องการไคลเอนต์ที่สอดคล้องกับ MCP และเบราว์เซอร์ที่ใช้ Chromium โดยเฉพาะ Google Chrome รวมถึงสภาพแวดล้อม Python หรือ Node.js สำหรับ CLI/SDK โครงการนี้จัดหา SDK สำหรับ JavaScript/TypeScript, Python, และ Go เพื่อให้รันไทม์ของตัวแทนสามารถเรียกการกระทำของเบราว์เซอร์ได้โดยตรง เส้นทางการติดตั้งรวมถึงการลงทะเบียนไฟล์ปฏิบัติการ 'obu' กับไคลเอนต์ MCP ของคุณหรือการกำหนดค่าไคลเอนต์ด้วยตนเองเพื่อชี้ไปที่เซิร์ฟเวอร์ MCP ที่จัดเตรียมไว้.
มันปกป้องข้อมูลในท้องถิ่นและเหมาะกับเวิร์กโฟลว์ของนักพัฒนาหรือไม่?
สถาปัตยกรรมที่เน้นท้องถิ่นเก็บเซสชันเบราว์เซอร์ไว้ที่โฮสต์ ลดการกระโดดของเครือข่ายภายนอกและเก็บเนื้อหาหน้าเว็บไว้ภายในสภาพแวดล้อมในท้องถิ่น การออกแบบนั้นเหมาะสำหรับทีมวิศวกรรมที่เตรียมพร้อมในการปรับใช้และบำรุงรักษาส่วนประกอบด้านเบราว์เซอร์ เนื่องจากส่วนประกอบเหล่านั้นทำงานบนเครื่องเดียวกันกับรันไทม์ของตัวแทน CLI และ SDK ทำให้การฝังการเรียกเข้าไปใน CI และท่อส่งของตัวแทนเป็นไปได้ แต่ทีมควรวางแผนการรวมและความพยายามในการตรวจสอบก่อนการเปิดตัวอย่างกว้างขวาง.
เหมาะสมที่สุดสำหรับทีมวิศวกรรมที่ฝังตัวแทนลงในกระบวนการผลิต
open-browser-use ให้บริการทีมพัฒนาและทีมวิจัยที่สามารถดูดซับงานการรวมระบบและทดสอบตัวแทนที่ขับเคลื่อนด้วยเบราว์เซอร์กับหน้าเว็บที่เป็นตัวแทน จัดสรรเวลาในการวิศวกรรมสำหรับการทดสอบ CI การบำรุงรักษาส่วนประกอบ และการยืนยันเฉพาะไซต์เพื่อตรวจจับการเปลี่ยนแปลงเลย์เอาต์ ทีมที่ต้องการการตั้งค่าต่ำสุดหรือการทำงานอัตโนมัติแบบคลิกและจุดควรเลือกทางเลือกที่มีภาระวิศวกรรมที่น้อยกว่า ในขณะที่ทีมที่ยินดีลงทุนในการรวมระบบจะได้รับการโต้ตอบกับเบราว์เซอร์ที่คาดการณ์ได้มากขึ้น.
