轻松实现浏览器自动化——AI浏览器自动化框架Stagehand
The AI Browser Automation Framework
项目简介
The AI Browser Automation Framework 是一个先进的浏览器自动化工具，它结合了自然语言处理和传统编程，让开发者能够高效、灵活地执行网页自动化任务。通过选择使用代码或自然语言，Stagehand使得在生产环境中进行浏览器自动化变得更加简单和高效。
为什么选择Stagehand？
在现有的浏览器自动化工具中，如Selenium、Playwright或Puppeteer，往往需要编写较低级的代码，或者使用高层代理，这在生产中可能会带来不可预测性。Stagehand则通过灵活的代码与自然语言的选择，为开发者提供了更便捷的自动化解决方案。
-
编程与自然语言的灵活选择：在面对陌生页面时，可以使用AI辅助导航，而当知道具体操作时，则可以直接使用代码。
-
动作预览与缓存：Stagehand允许你在运行之前预览AI动作，并支持缓存可重复的动作，从而节省时间和费用。
-
一行代码集成计算机使用模型：Stagehand提供了一行代码将先进的计算机使用模型与浏览器集成，简化了复杂操作的实现。
使用示例
下面是一个使用Stagehand构建浏览器自动化的示例：
// 使用Playwright的功能在页面对象上
const page = stagehand.page;
await page.goto("https://github.com/browserbase");// 使用act()执行单个动作
await page.act("click on the stagehand repo");// 使用计算机使用代理处理较大操作
const agent = stagehand.agent({provider: "openai",model: "computer-use-preview",
});
await agent.execute("Get to the latest PR");// 使用extract()从页面中读取数据
const { author, title } = await page.extract({instruction: "extract the author and title of the PR",schema: z.object({author: z.string().describe("The username of the PR author"),title: z.string().describe("The title of the PR"),}),
});
开始使用Stagehand
开始使用Stagehand只需一行代码，或者查看我们的快速入门指南获取更多信息：
npx create-browser-app
从源代码构建并运行
请按照以下步骤从源代码构建并运行Stagehand：
git clone https://github.com/browserbase/stagehand.git
cd stagehand
pnpm install
pnpm playwright install
pnpm run build
pnpm run example # 运行位于./examples/example.ts的空白脚本
pnpm run example 2048 # 运行./examples/2048.ts中的2048示例
Stagehand在您拥有LLM提供商的API密钥和Browserbase凭证时表现最佳。要将这些添加到您的项目中，请运行：
cp .env.example .env
nano .env # 编辑.env文件以添加API密钥
同类项目对比
在浏览器自动化领域，除了Stagehand，还有一些同类工具，如Selenium、Playwright和Puppeteer等。这些工具各有特点：
- Selenium：一个支持多种编程语言的开源框架，能与不同浏览器配合使用，适用于自动化测试。
- Playwright：由微软开发，提供强大的支持，允许多种浏览器的自动化，但通常需要更多的手动编写代码。
- Puppeteer：主要为Chrome设计的Node库，允许控制Chrome浏览器，适合需要在浏览器中执行全栈测试的场景。
与这些工具相比，Stagehand通过自然语言与代码的灵活组合，提升了用户的操作效率与体验，是一个更加智能化的选择。
通过使用Stagehand，开发者不仅可以提升工作效率，还能大幅降低在复杂项目中可能面临的挑战。如果您在网页自动化需求中寻求更高效的解决方案，可尝试Stagehand，体验AI与编程的完美结合。