Browser Agent

了解如何通过简单的自然语言指令，使用模拟人类操作的 AI 代理来控制你的浏览器。

概述

Browser Agent 是来自 Oxylabs AI Studio的 AI 浏览器自动化工具。它通过执行多步骤操作来模拟真实用户浏览，例如点击链接、填写表单、滚动、捕获截图，然后提取结构化数据——全部由自然语言提示控制。

与传统自动化框架（如 Puppeteer 或 Selenium）不同，Browser Agent 不需要静态抓取规则或手动脚本。你可以用简明英语描述任务，或提供一系列步骤，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 服务器或我们的第三方集成之一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 – 以 JSON、Markdown、HTML 或 PNG 截图形式获取结果。

• 动态内容支持 – 与 JavaScript 渲染页面交互。

• 基于 Schema 的提取 – 在浏览序列完成后请求结构化 JSON。

工作原理

要使用 browser AI agent 运行任务，请按照以下步骤：

1. 输入目标 URL。

2. 将浏览过程描述为：

   • 自然语言提示 （例如：“打开价格页面，接受 Cookie，并提取所有产品名称及价格。）

   • 结构化步骤列表 – 提供 AI 浏览器操作数组（click, type, navigate, wait, extract).

3. 选择输出格式： JSON、Markdown、HTML 或 PNG 截图。

4. （可选）如果选择 JSON，请定义或自动生成 schema 来组织收集到的数据。

安装

开始之前，请确保你有 API 密钥访问权限（或获取一个 免费试用 含 1000 点数）并且已安装 Python 版本 3.10 或更高版本。您可以安装 oxylabs-ai-studio 软件包，使用 pip：

pip install oxylabs-ai-studio

代码示例（Python）

以下示例展示如何使用浏览器 AI agent 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("schema: ", schema)

prompt = "查找商店中是否有游戏 'super mario odyssey'。如果有，查找价格。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)

下面的示例在使用 Browser Agent 时捕获 PNG 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= "进入网站并截取主页截图",
    output_format="screenshot",
)

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

在我们的文档中了解更多关于 Browser Agent 和 Oxylabs AI Studio Python SDK 的信息 PyPI 存储库。 你也可以查看我们的 AI Studio JavaScript SDK 指南，适用于 JS 用户。

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 必需）	–
geo_location	ISO2 格式的代理位置	–

– 必填参数

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。以下是我们的 JSON 输出示例：

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

以下是我们第二个请求的截图输出：

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

• json – 使用基于 schema 的解析生成结构化数据。

• markdown – 易于阅读的数据，非常适合 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。

实际用例

你可以在多种场景中使用 AI Browser Agent，包括：

1. 电商结账模拟 – 添加商品到购物车、应用优惠券、确认结账流程。

2. 旅行搜索自动化 – 输入目的地、应用筛选条件，并提取航班或酒店价格。

3. 职位搜索抓取 – 搜索职位，点击浏览岗位信息，提取职位详情。

4. 活动与门票发现 – 浏览活动网站，获取标题、日期和价格。