browserbase/stagehand

解决的问题

Stagehand 提供了一个专用 SDK，用于构建浏览器代理，克服了 Playwright 等传统测试工具的局限性。它通过允许代理使用自然语言与网站交互，解决了网页自动化脆弱性问题，减少了因网站布局变化而失效的刚性硬编码选择器的需求。

工作原理

Stagehand 将 Playwright 风格的 API 与 AI 驱动的原语相结合。它使用混合可访问性树修剪技术，为 LLM 提供页面上下文的 token 高效表示。它作为浏览器扩展运行以降低延迟。SDK 提供三个核心自然语言功能：

• act(): 使用自然语言命令在页面上执行单个操作。
• observe(): 识别页面上的可操作元素。
• extract(): 根据提供的模式从页面提取结构化数据。

适用人群

需要在网页中导航、与复杂 DOM 结构（如嵌套 iframe 和 Shadow DOM）交互，并需要生产级可靠性和可观测性的 AI 代理开发者。

主要亮点

• 自我修复操作：当网站布局发生变化时，自动检测并更新操作执行方式。
• token 高效：通过修剪可访问性树来减少 LLM 的 token 使用量。
• 利用 Playwright：保留熟悉的 API（goto、click、locator），实现确定性控制。
• 多语言支持：提供 TypeScript、Python 和 Go 的完整浏览器驱动程序。
• 代理专用功能：包含 WebMCP、剪贴板支持和 OTel 支持。