platonai/Browser4

Browser4 — an AI-native browser engine for autonomous agents, intelligent extraction, and large-scale web automation.

🤖 Browser4 – 简介

Browser4 是一个 AI 原生 浏览器自动化引擎。它允许大语言模型代理（或人类）通过一个快速的 Rust 编写的 CLI（browser4‑cli）驱动一个真实的基于 Chromium 的浏览器。该系统结合了传统的 Web 自动化（点击、填充、滚动、截图）与 零令牌提取 – 使用 X‑SQL 和 CSS 选择器进行确定性数据提取，以及可选的 LLM 驱动的提取。它还附带了一个 WebMiner 管道，无需任何 LLM 调用即可将 HTML 页面聚类到电子表格中。

主要功能（来自 README）

功能	含义
代理浏览器	代理可以打开浏览器、交互（点击、填充、快照）、运行批处理作业以及在页面上循环。
零令牌提取	使用 X‑SQL + CSS 选择器或 WebMiner ML 聚类，在不消耗 LLM 令牌的情况下将页面转化为结构化表格。
混合智能	结合 LLM 提取、ML 聚类和可复用的选择器存储。
高性能运行时	协程安全、CDP 原生引擎，设计目标为每台机器每天 10 万至 20 万次页面访问，支持 swarm/爬虫横向扩展。
企业级自动化	支持 swarm 爬取、批量/循环作业、有状态会话、插件、运行时技能、浏览器扩展和基于 HTTP 的 MCP。
编程代理内核	为代理提供 50 多个 `coding.*` 工具，用于生成、验证和自行开发 Browser4 工件。

工作原理（架构概述）

后端 – 一个 Java/Kotlin 运行时（以 browser4‑core 发布在 Maven Central 上），通过 Chrome DevTools 协议（CDP）与 Chrome/Edge 通信。它管理会话、插件、技能和用于代理状态的 Pulsar SDK。
CLI（browser4‑cli） – 一个 Rust 包装器，向后端发送 HTTP/MCP 命令。它提供了一个类似 shell 的接口（open、click、snapshot、htmlsnapshot、crawl、swarm 等），人类或 AI 代理均可使用。
模块 – 包括 编程代理内核（browser4‑coding）、一个测试夹具服务器（MockSite），以及与 WebMiner ML 聚类工具的集成。

典型用例

自主代理 – 用一个简短的技能文件提示 LLM（例如 Claude、DeepSeek），让它调用 browser4‑cli 来导航网站、填写表单和提取数据。
零令牌数据管道 – 爬取 URL 列表，运行 htmlsnapshot query --sql … 或 webminer，无需任何 LLM 成本即可生成 Excel/HTML 报告。
大规模爬取 – 使用 swarm create + swarm query 将数万次页面访问分发到多台机器上。
人在环测试 – 打开有头浏览器，检查元素引用（snapshot -i --boxes），然后编写后续操作的脚本。

快速入门（快速开始步骤）

安装 – npm install -g browser4-cli，然后运行 browser4-cli install（或运行提供的 curl/PowerShell 脚本）。
打开浏览器 – browser4-cli open --headed https://example.com。
检查 – 运行 browser4-cli snapshot --boxes 查看如 e15 等元素引用。
交互 – 运行 browser4-cli click e15、browser4-cli fill e16 "text" --submit。
提取 – 运行 browser4-cli get text "h1" 或 browser4-cli htmlsnapshot query --sql @query.sql。
扩展 – 对于批处理或定期作业，使用 crawl、swarm 或 loop 命令。

生态系统与集成

DeepSeek Harness – 一个插件（dsh-browser4）允许 dsh 代理框架直接调用 Browser4。
WebMiner – 本地运行（SMILE ML 库），将 HTML 聚类到电子表格中；商业版使用 Apache Spark 处理 1,000 页以上。
插件与技能 – 通过内置插件系统扩展功能；使用 browser4-cli plugin-list 查看。
LLM 提供商 – 通过环境变量支持 DeepSeek、OpenRouter、Volcengine、OpenAI 兼容和阿里云 Qwen。

文档与支持

网站 – https://browser4.io
GitHub – 问题、发布、CI 徽章、Maven Central 构件。
CLI 帮助 – browser4-cli --help 和 browser4-cli help <command>。
状态仪表板 – http://127.0.0.1:18182/status 显示实时健康状态、会话、swarm 任务等。
社区 – 仓库中“Support & Community”下列出了支持链接。

许可证

Apache‑2.0。

底线： Browser4 是一个全栈、高性能的浏览器自动化平台，专为 AI 代理和大规模 Web 数据提取而设计，同时提供传统的 Selenium 式交互和无令牌、ML 驱动的 Web 内容结构化。