Browser Agent

了解如何使用 AI 代理通过简单的自然语言指令控制浏览器，使其模拟人类操作。

概览

Browser Agent 是来自 Oxylabs AI Studio的一个 AI 浏览器自动化工具。它通过执行多步骤操作（如点击链接、填写表单、滚动、截取屏幕截图），然后提取结构化数据，来模拟真实用户的浏览行为——所有操作都通过自然语言提示进行控制。

与传统自动化框架（例如 Puppeteer 或 Selenium）不同，Browser Agent 不需要静态的抓取规则或手动脚本。你可以用简单的英文描述任务或提供步骤序列，AI 会像人类一样执行它们。

您可以预览该工具此处并通过我们的 Python/JavaScript SDK、MCP 服务器或我们的一些第三方集成将其集成到您的工作流中。

主要功能

通过浏览器 AI 完全控制 – 执行点击、输入、导航和滚动。
多步骤任务执行 – 用自然语言定义浏览流程。
多种输出格式 – 以 JSON、Markdown、HTML 或 PNG 截图获取结果。
动态内容支持 – 与基于 JavaScript 渲染的页面交互。
基于 Schema 的提取 – 在浏览序列完成后请求结构化的 JSON。

工作原理

要使用浏览器 AI 代理运行任务，请按以下步骤操作：

输入目标 URL。
将浏览过程描述为：
- 自然语言提示 （例如 “打开定价页面，接受 cookies，并提取所有带价格的产品名称。”）
- 结构化步骤列表 – 提供一个 AI 浏览器操作数组（click, type, navigate, wait, extract).
选择输出格式： JSON、Markdown、HTML 或 PNG 截图。
（可选）如果选择 JSON，请定义或自动生成 schema 来结构化收集到的数据。

安装

开始之前，请确保你有 API 密钥的访问权限（或获取一个免费试用包含 1000 个积分）并且 Python ver. 3.10 或更高版本。您可以使用 pip 安装 oxylabs-ai-studio 包：

pip install oxylabs-ai-studio

示例代码（Python）

以下示例展示了如何使用浏览器 AI 代理执行浏览和数据提取。

from oxylabs_ai_studio.apps.browser_agent import BrowserAgent

browser_agent = BrowserAgent(api_key="<API_KEY>")

schema = browser_agent.generate_schema(
    prompt="游戏名称、平台、评分星级和价格"
)
print("模式: ", schema)

prompt = "查找商店中是否有游戏 'super mario odyssey'。如果有，找出其价格。使用搜索栏查找该游戏。"
url = "https://sandbox.oxylabs.io/"
result = browser_agent.run(
    url=url,
    user_prompt=prompt,
    output_format="json",
    schema=schema,
)
print(result.data)

下面的示例使用 Browser Agent 捕获一个 PNG 屏幕截图。

import base64
from oxylabs_ai_studio.apps.browser_agent import BrowserAgent

browser_agent = BrowserAgent(api_key="<API_KEY>")

result = browser_agent.run(
    url = "https://sandbox.oxylabs.io/",
    user_prompt= "Go to the website and take a screenshot of the home page",
    output_format="screenshot",
)

with open("screenshot.png", "wb") as f:
    f.write(base64.b64decode(result.data.content["data"]))

在我们的 PyPI 仓库中了解有关 Browser Agent 和 Oxylabs AI Studio Python SDK 的更多信息。你也可以查看我们的 AI Studio JavaScript SDK 供 JS 用户使用的指南。

请求参数

参数

说明

默认值

url*

要浏览的起始 URL

–

user_prompt*

用于提取的自然语言提示

–

output_format

输出格式（json, markdown, html, screenshot)

markdown

schema

用于结构化提取的 OpenAPI schema（JSON 必填）

–

geo_location

以 ISO2 格式表示的代理位置

–

* – 必需参数

输出示例

Browser Agent 可以返回易于集成到应用中的解析结果或截图。我们的 JSON 输出如下所示：

{
  "type": "json",
  "content": {
    "games": [
      {
        "game_name": "Super Mario Odyssey",
        "platform": "Nintendo Switch",
        "review_stars": null,
        "price": 89.99
      }
    ]
  }
}

下面是我们第二个请求的屏幕截图输出：

Browser Agent 支持多种输出格式（"output": "YOUR_FORMAT"):

json – 使用基于 schema 的解析获取结构化数据。
markdown – 易读数据，适用于 AI 和自动化工作流。
html – 网页的原始 HTML 数据。
screenshot – 浏览器内容的 PNG 图像。

实际使用场景

你可以以多种方式使用 AI Browser Agent，包括：

电商结账模拟 – 将商品加入购物车、应用优惠券、确认结账流程。
旅行搜索自动化 – 输入目的地、应用筛选并提取航班或酒店价格。
职位搜索抓取 – 搜索职位、点击职位列表并提取职位详情。
活动与票务发现 – 浏览活动网站，检索标题、日期和价格。

上一页AI-Scraper 下一页AI-Crawler

最后更新于1个月前

这有帮助吗？

晚安

概览