outcrawlai/scout

Outcrawl 的 Scout – 开源浏览器代理

它是什么

• 一个 TypeScript/Node 库（@outcrawl/scout），让您能用普通英语描述网页任务。Scout 随后驱动真实的 Chrome/Chromium 浏览器，执行点击、输入、滚动和信息提取，并返回答案（或部分结果）以及重放链接。
• 核心思想是一个 动手操作 的 AI 模型，它决定每个浏览器操作，并可由规划模型（大脑）和视觉模型（眼睛）辅助。该库本身不包含模型；您可以接入任何实现标准聊天补全 API（OpenAI、Anthropic、本地 LLM 等）的服务。

如何开始

1. 安装 npm 包（Node 22+）。

   npm i @outcrawl/scout
   

2. 设置环境变量：
   • OUTCRAWL_API_KEY – 免费的 Outcrawl 浏览器密钥（每月 1,000 积分）。
   • SCOUT_BASE_URL、SCOUT_API_KEY、SCOUT_HANDS_MODEL – 指定用于 动手 任务的 LLM。
3. 编写一个简短脚本，创建 Scout 实例并调用 run('您的自然语言任务')。
   README 中的示例展示了一个单行代码，可获取 Hacker News 的前三个故事。

运行位置

• Outcrawl 云（推荐）：该库连接到远程浏览器，使其看起来来自住宅 IP，解决验证码，并记录每个步骤。您只需要 API 密钥；无需安装本地浏览器。
• 本地机器：安装 Playwright 的 Chromium（npm i playwright-core && npx playwright install chromium）并设置 browser: { launch: {} }。您也可以通过 CDP 连接到任何现有的 Chrome。

您可以让它做什么

• 研究（例如，抓取热门新闻）。
• 填写表单（例如，订披萨并报告订单确认）。
• 跨页面比较项目。
• 登录网站并阅读受保护的消息。
• 任何您通常在浏览器中手动执行的操作，都可以用自然语言指令表达。

模型架构

任务	角色
hands	读取页面并决定下一个低级操作（点击、输入、滚动）。需要快速模型，因为每步都运行。
brain	高级规划器，勾勒页面的整体顺序。对于长、多页面任务有用（可选）。
eyes	视觉模型，在需要视觉线索时解释截图。
extract	结构化提取模型；如果省略，hands 会回退到纯文本提取。

您为每个任务提供单独的模型配置，所有配置使用相同的聊天补全 API 格式。

输出 一个 result 对象包含：

• status（completed、partial、capped、failed）。
• data – 答案，可选地由您提供的 JSON Schema 塑造。
• error – 无法获取的内容的描述。
• steps – 每次浏览器交互的时间线。
• costUsd – 模型调用费用（已知时）。
• replayUrl – 运行的逐步视频链接（仅限云）。

性能声明 Outcrawl 云版本在 Browser Use 80 站点基准测试（2026 年 10 月）中达到了 92.5％ 的成功率，超过了次佳开源解决方案（81.4％）。

仓库结构

• packages/scout – 公共 API（new Scout(...).run）。
• packages/runtime – 代理循环，反复观察页面、调用模型并执行操作。
• packages/model – 提示模板、任务拆分和提供商无关的客户端代码。
• packages/scout-cdp – 围绕 Chrome DevTools 协议进行导航和交互的薄包装器。
• packages/agenthands – 仅本地的输入规划工具（MIT 许可）。

目标用户

• 需要可编程的网页代理而无需从头构建浏览器自动化堆栈的开发人员。
• 实验需要真实浏览器保真度（验证码、动态 JS 等）的 LLM 驱动代理的研究人员。
• 希望在托管云浏览器上运行任务以避免反机器人拦截的团队。

许可证 主要代码为 Apache-2.0；agenthands 子包为 MIT。

---

以上所有信息均直接取自仓库的 README；未推断任何额外功能。