|
在科技飞速发展的当下，人工智能（AI）已经渗透到我们生活的方方面面，而AI智能体与浏览器的连接，正逐渐成为互联网发展的全新趋势，引发了大众对上网体验变革的无限期待。这种创新的融合，就像是为传统浏览器插上了智能的翅膀，将为我们带来前所未有的互联网交互感受。 本篇将介绍将你的AI代理与浏览器轻松连接，通过AI智能体访问各类网站的自动化框架 - Browser Use
Browser Use是将你的AI智能体与浏览器连接起来的最简单方式。它通过提供一个功能强大且操作简单的浏览器自动化接口，让AI智能体能够访问各类网站。功能特点： 强大的浏览器自动化功能：Browser Use将先进的AI能力与强大的浏览器自动化技术相结合，为AI智能体实现流畅无缝的网页交互体验。 视觉感知与HTML结构提取：将视觉理解能力与HTML结构提取功能相结合，以实现全面的网页交互。 多标签页管理：可自动处理多个浏览器标签页，以适应复杂的工作流程和并行处理需求。 元素追踪：提取被点击元素的 XPath（路径表达式），并重复完全相同的大语言模型（LLM）操作，以实现连贯一致的自动化操作。 自定义操作：添加你自己的操作，比如保存到文件、数据库操作、发送通知，或者处理人工输入等。 自我纠错：具备智能的错误处理机制和自动恢复功能，以保障自动化工作流程的稳健运行。 支持任意大语言模型：与所有基于LangChain的大语言模型兼容，包括GPT-4、Claude 3以及Llama 2。
官网地址： https://browser-use.com/
1、Browser Use需要Python 3.11或更高版本。 2、安装Playwright。 3、创建一个智能体。 然后你可以按如下方式使用该智能体： fromlangchain_openai importChatOpenAI
frombrowser_use importAgent
importasyncio
fromdotenv importload_dotenv
load_dotenv()
asyncdefmain():
agent = Agent(
task="Compare the price of gpt-4o and DeepSeek-V3",
llm=ChatOpenAI(model="gpt-4o"),
)
awaitagent.run()
asyncio.run(main())
4、设置你的大语言模型（LLM）API密钥。 ChatOpenAI以及其他基于Langchain的聊天模型都需要API密钥。你可以将这些密钥存储在你的.env文件中。 二、Browser Use + DeepSeek-R1 本篇示例，作者使用DeepSeek-R1模型。 访问DeepSeek的API开放平台，购买流量，并创建API key。 https://platform.deepseek.com/ 
示例脚本： 将引入的智能体（DeepSeek-R1）与API密钥放在同一个脚本文件里。 操作步骤为打开购物网站，输入账户密码登录，查看商品详情，添加购物车，关闭浏览器。 importasyncio
importos
fromdotenv importload_dotenv
fromlangchain_openai importChatOpenAI
frompydantic importSecretStr
frombrowser_use importAgent
# dotenv
load_dotenv()
api_key = os.getenv('DEEPSEEK_API_KEY', 'sk-……)
if not api_key:
raise ValueError('DEEPSEEK_API_KEY isnotset')
async def run_search():
agent = Agent(
task=(
'1.访问 https://www.saucedemo.com/'
'2.输入用户名 standard_user, 密码 secret_sauce, 进行登录'
'3.点击黑色T-Shirt, 查看详情'
'4.将黑色T-Shirt添加到购物车'
'5.关闭浏览器'
),
llm=ChatOpenAI(
base_url='https://api.deepseek.com/v1',
model='deepseek-chat',
api_key=SecretStr(api_key),
),
use_vision=False,
)
await agent.run()
if __name__ == '__main__':
asyncio.run(run_search())
运行时，AI识别页面元素： 
控制台日志信息： 
完整运行过程： 
| 
