webbrain-one/webbrain

Open-source AI browser agent for Chrome and Firefox (monorepo) 🧠

解决的问题

WebBrain 提供了一种使用 AI 代理与 Web 进行交互的方式，该代理可以读取、导航并执行网页上的操作。通过允许用户自动执行浏览器工作流、与页面内容进行对话以及安排周期性的 Web 任务，它消除了手动重复工作的需求。

工作原理

这是一个浏览器扩展程序（适用于 Chrome、Firefox 和 Edge），它将 AI 代理集成到侧边栏中。它不依赖于脆弱的 CSS 选择器，而是使用可访问性树来理解页面元素。用户可以将它连接到各种 LLM，包括本地服务器（通过 llama.cpp 或 Ollama）、云端 API（OpenAI、Anthropic 等）或托管的默认提供商。该代理以三种模式运行：“Ask”用于只读查询，“Act”用于执行点击和输入等操作，“Dev”用于技术性页面诊断。

适用对象

WebBrain 专为想要自动化 Web 工作流的用户、需要从多个页面提取信息的研究人员，以及希望拥有 AI 驱动助手来帮助其导航和操作 Web 应用程序的开发人员而设计。

亮点

  • 灵活的模型支持：兼容 100 多家云端提供商和本地 LLM 服务器。
  • 自主工具使用：能够运行多步循环（最多 195 步）以完成复杂任务。
  • 保存的工作流：能够将成功的代理运行转换为可重用且可共享的工作流。
  • 计划任务：支持 /schedule 和 /watch 命令，用于轮询页面并在满足特定条件时采取行动。
  • 智能上下文管理：具有感知 Token 的自动压缩功能，可在模型上下文限制内处理长对话。