browserbase/stagehand-python

解決する問題

Stagehand は、自然言語とコードを組み合わせて Web ブラウザを制御できるブラウザ自動化フレームワークです。ほとんどのブラウザ自動化ツールは、低レベルすぎるか（Selenium や Playwright など）、高レベルな AI エージェントのように予測不能すぎるかのどちらかです。Stagehand はそのギャップを埋めようとしています。慣れないページには AI を使用し、正確に何をすべきかわかっている場合は正確なコードにフォールバックできます。この Python SDK は Stagehand API と通信して、クリック、観察、データ抽出、マルチステップ指示の実行などのブラウザ操作を実行します。

注： この特定のリポジトリ（stagehand-python）は保守されなくなりました。公式の Stagehand Python ソースはメインの Stagehand monorepo（browserbase/stagehand）に移動しました。このバージョンは更新、バグ修正、セキュリティパッチを受け取りません。

仕組み

SDK は Stagehand API のクライアントです。セッションを開始し、ブラウザを接続し（Browserbase またはローカルの Playwright ブラウザ経由）、observe、act、extract、execute などのメソッドを呼び出してタスクを実行します。これらのメソッドは自然言語の指示を受け入れ、結果を Pydantic モデルとして返します。SDK は同期（Stagehand）と非同期（AsyncStagehand）の両方のクライアントをサポートし、API キーと環境変数で設定できます。Server-Sent Events (SSE) によるストリーミング応答、生の応答アクセス、自動リトライ付きのエラー処理、タイムアウトが含まれます。README には、Playwright を使用してリモートブラウザに接続し、要素を観察し、リンクをクリックし、スキーマに基づいて構造化データを抽出する SDK の使用例が示されています。

対象読者

AI を使用して信頼性の高い本番グレードのブラウザ自動化を構築したい開発者。頻繁に変更される Web サイトとのやり取りを自動化し、人間が書いたコードと AI の柔軟性の両方を必要とするチーム向けです。この SDK は Stagehand API と API キー（モデルと browserbase 用）を必要とするため、クラウドベースのブラウザオーケストレーションに慣れているユーザーを対象としています。

ハイライト

• 自然言語 + コードのハイブリッド：アクションに対して AI 駆動の指示と明示的なコードを選択でき、制御性と信頼性を提供します。
• セッションベースの API：セッションを開始し、ブラウザを接続し、observe、act、extract、execute などの操作を実行します。
• ストリーミングと生の応答：Server-Sent Events (SSE) ストリーミングと、デバッグ用の生の HTTP 応答へのアクセスをサポートします。
• 複数のクライアントモード：同期および非同期クライアント。aiohttp をサポートし、より良い並行性を実現します。
• 設定可能なエラー処理：リトライ、タイムアウト、厳密な応答検証オプション。
• 非推奨ステータス：リポジトリは保守されなくなりました。公式 SDK については新しい場所（browserbase/stagehand）を参照してください。