browser-use/browser-use-pi

解决的问题

它为 AI 代理提供了一种可编程的方式来控制网页浏览器，使其能够执行复杂的任务，例如直接从网页中查找信息或摘要内容。

运作原理

该系统使用 Pi Mono 和持久化的 V8 REPL，让代理能够编写并执行 JavaScript 代码。此代码通过 Chrome DevTools Protocol (CDP)、无障碍树 (AX tree) 以及屏幕截图与 Chrome 交互，以理解页面状态并进行导航。

适用对象

希望使用简化的 SDK 将浏览器自动化代理集成到其 TypeScript 应用程序中的开发人员。

特色亮点

• 持久化会话 (Persistent Sessions)：支持已保存的登录信息、持久化工作区以及后续交互。
• 灵活的浏览器选项：适用于云端浏览器或本地 Chrome 安装。
• 极速模式 (Ultrafast Mode)：通过使用精简的无障碍树状态，针对交互密集的任务进行了优化。
• 可观测性 (Observability)：包含交互高亮、录制功能以及 GIF 导出，以展示代理的工作过程。
• 可编程控制：提供流式传输、钩子 (hooks) 和类型化结果，以管理代理的行为与成本。