browserbase/stagehand

解決的問題

Stagehand 提供專用 SDK，用於建構瀏覽器代理，克服傳統測試工具（如 Playwright）的限制。它透過允許代理使用自然語言與網站互動，解決網頁自動化的脆弱性問題，減少因網站版面變更而失效的僵化硬編碼選擇器需求。

工作原理

Stagehand 結合 Playwright 風格的 API 與 AI 驅動的原語。它使用混合可存取性樹修剪技術，為 LLM 提供頁面上下文的 token 效率表示。作為瀏覽器擴充套件運作，以降低延遲。SDK 提供三個核心自然語言功能：

• act(): 使用自然語言命令在頁面上執行單一動作。
• observe(): 識別頁面上的可操作元素。
• extract(): 根據提供的模式從頁面提取結構化資料。

適用對象

需要在網路中導航、與複雜 DOM 結構（如嵌套 iframe 和 Shadow DOM）互動，並需要生產級可靠性和可觀測性的 AI 代理開發者。

主要亮點

• 自我修復動作：當網站版面變更時，自動檢測並更新動作執行方式。
• token 效率：透過修剪可存取性樹，減少 LLM 的 token 使用量。
• 利用 Playwright：保留熟悉的 API（goto、click、locator），實現決定性控制。
• 多語言支援：提供 TypeScript、Python 和 Go 的完整瀏覽器驅動程式。
• 代理專用功能：包含 WebMCP、剪貼簿支援和 OTel 支援。