browserbase/stagehand

它解决的问题

Stagehand 消除了浏览器自动化的常见痛点：当网站更改布局时脚本会中断，以及 AI 代理浪费令牌和时间尝试解析整个页面。它为开发者和代理提供了一种用纯英语告诉浏览器做什么的方式——查找字段、点击按钮、提取数据——并获得可靠、结构化的结果，而无需硬编码每个选择器或在网站重新设计时重写逻辑。

工作原理

Stagehand 是一个 SDK，与浏览器（本地 Chrome 或托管的 Browserbase 云）一起运行。你给它自然语言指令，它会将这些指令转化为真实的浏览器操作。三个核心函数承担了主要工作：

• observe 为你描述的元素（如“电子邮件输入框”）找到实际的 CSS 选择器，以便你可以自己填写，并且 AI 模型永远不会接触你的凭据。
• act 执行你描述的操作，如“点击登录按钮”。如果网站已更改，它会重新评估页面，因此它能自我修复，操作仍然有效。
• extract 从页面读取数据，并以你定义的架构返回（例如，包含编号、金额和支付状态的发票列表），由 Zod（TypeScript）、Pydantic（Python）或 Go 结构体等工具验证。

该 SDK 基于 Playwright 风格的 API（goto、locator、screenshot）构建，因此如果你已经熟悉这些，会感觉非常熟悉。它会将页面上下文缩减为仅代理所需的内容，从而减少令牌使用。它还可以作为浏览器扩展运行，以减少每个操作的延迟，并支持现代 Web 复杂性，如嵌套 iframe 和封闭的 Shadow DOM。

你可以在安装了 Google Chrome 的情况下本地运行它，或者将其指向 Browserbase 的云。在云中，模型网关会自动为每个步骤选择最便宜的合适模型，并且服务器端缓存意味着重复的相同调用不会花费任何令牌。Stagehand 还提供轻量级的 search 和 fetch 函数，无需启动浏览器即可工作。

适用人群

• 构建需要与网站交互的 Web 自动化脚本或 AI 代理的开发者。
• 拥有现有 Playwright 代码并希望添加 AI 驱动的自然语言操作的团队。
• 任何希望通过托管的 MCP 服务器为编码代理（如 Claude Code 或 Cursor）提供浏览网页能力的人。
• TypeScript、Python 或 Go 的用户——Stagehand 提供这三种语言的完整 SDK。

亮点

• 自然语言浏览器控制：观察、操作、提取——无需脆弱的选择器。
• 自我修复操作，适应网站重新设计。
• 令牌高效：仅将相关的页面上下文发送给模型。
• 跨 TypeScript、Python 和 Go 的 Playwright 兼容 API 表面。
• 内置支持 WebMCP 工具、剪贴板、批处理命令和 OTel 跟踪。
• 可选的 Browserbase 云集成，具有模型网关（自动模型选择）和缓存。
• 附加功能：search 和 fetch，用于无需浏览器的快速 Web 查找。
• 托管的 MCP 服务器，使任何支持 MCP 的编码代理都能在 Web 上导航和操作。