Jeomon/Web-Use

解决的问题

Web-Use 是一个自主浏览代理，可自动执行复杂的网络任务——例如填写表单、执行搜索以及与动态内容交互——从而减少对手动浏览器导航的需求。

工作原理

该代理使用大型语言模型（LLMs）和 Chrome DevTools Protocol（CDP）与网页进行交互。它构建页面 DOM 的「语义树」，以理解元素的结构和角色（如按钮和输入框），而无需依赖 XPath。它还支持视觉能力以实现视觉理解，并采用一种名为 WebMCP 的自定义协议，允许网站直接向代理暴露特定工具。

适用人群

希望将智能、基于 LLM 的网页导航和交互集成到工作流中的开发人员和自动化工程师。

主要亮点

• 多 LLM 支持：兼容 Anthropic Claude、Google Gemini、OpenAI、Groq 和 Ollama 等提供商。
• OAuth 2.0 + PKCE：内置认证工作流支持，允许代理在不存储密码的情况下登录 Google 或 GitHub 等服务。
• 语义树：使用真实的 DOM 父子关系，为代理提供准确的结构上下文。
• WebMCP：自动发现并使用支持网站暴露的自定义工具。
• 状态感知：保持对页面状态的理解，避免循环和错误。
• 文件操作：能够下载文件并将内容上传至表单。