注册
登录
| 关键词：AI, 浏览器自, GitHub, Agent, Playwright, Agent-Browser, openclaw, AI Agent, 操作浏览 |
这两年，很多人第一次看到 AI 自动操作浏览器时，都会有一种强烈的震撼感。 你只需要对 AI 说一句话： “打开 GitHub，搜索 openclaw，然后进入第一个项目。” 几秒钟之后，浏览器真的被打开了，搜索框被输入了关键词，页面也自动点击进入。 很多人会产生一个疑问：AI 是怎么学会操作浏览器的？ 难道它真的像人一样“看屏幕、移动鼠标、点击按钮”吗？ 实际上，AI 并不是在模拟人类操作电脑。  如果把整个系统拆开，你会发现它的原理其实非常清晰。 AI 本身并不会操作浏览器首先要理解一件事：大模型本身并不会打开浏览器、点击按钮或者输入文字。 在默认情况下，AI唯一的能力其实只有一件事：生成文本。 所以，如果没有额外系统，AI最多只能这样回答你：“你可以打开 GitHub，然后搜索 openclaw。” 它只能给建议，却不能执行。 想让 AI 真正动手操作电脑，就必须给它一套“执行系统”。 Agent-Browser 就是这套系统的一部分。  Agent-Browser：AI 与浏览器之间的桥梁从架构上看，Agent-Browser 的核心作用只有一个：把 AI 的意图，翻译成浏览器可以执行的操作。  整个过程其实是一个分层结构。 第一层：AI（大模型） 负责理解用户需求，比如：打开某个网站 ，搜索关键词 ，点击按钮 ，提取页面信息。 AI 会把这些需求拆解成一个个步骤。 例如： 打开 GitHub => 找到搜索框 => 输入关键词 =>点击搜索 => 打开第一个结果 但到这里为止，AI只是完成了“规划”。 真正的执行还没有发生。 第二层：Agent-Browser 控制接口 当 AI 规划好步骤之后，就会把这些步骤转换成结构化指令。 例如：打开网页 => 点击某个元素 => 输入文本 => 获取页面内容 =>截图 Agent-Browser 的任务，就是把这些指令转成浏览器控制命令。 简单来说，它就像一个翻译层：AI 的语言 → 浏览器操作 第三层：浏览器自动化引擎 在 Agent-Browser 的底层，真正执行操作的其实是自动化框架。 目前很多项目都使用 Playwright。 Playwright 是一个非常成熟的浏览器自动化工具，很多公司都用它做：自动化测试 ，网页爬虫 ，RPA流程自动化等。 它可以直接控制浏览器做各种事情，例如：打开网页，点击元素， 输入文本，滚动页面，获取 DOM 结构，执行 JavaScript等。 更重要的是，Playwright 可以控制多个浏览器，包括：Chromium，Firefox，edge等 这意味着 AI 实际上是在通过 Playwright 间接操作浏览器。  第四层：真实浏览器 Playwright 再通过浏览器协议与真实浏览器通信。 整个流程就变成： AI => Agent-Browser => Playwright => 浏览器 当用户提出一个任务时，系统会循环执行以下步骤： 这种循环让 AI 看起来像是在“思考并操作网页”。 为什么 AI 能完成复杂网页任务有了这种架构之后，AI 可以做的事情就变得非常多。 AI就可以通过Agent-browser来实现自动搜索信息 ，自动登录网站 ，自动填写表单 ，自动收集数据 ，自动截图页面 ，自动整理网页内容。 换句话说，AI 已经不仅仅是聊天工具，而是可以真正操作互联网。 很多开发者甚至把这种系统称为：AI 浏览器机器人。 Agent-Browser 的真正价值如果只从技术层面看，Agent-Browser 并不是一个全新的浏览器。 它真正做的事情是三件： 第一，把浏览器能力封装成 AI 可以调用的工具。 第二，把网页状态反馈给 AI，例如页面结构、文本内容或截图。 第三，让 AI 可以不断根据页面变化规划下一步操作。 这种设计让 AI 不再只是回答问题，而是可以完成完整任务。 AI 浏览器时代正在到来过去几十年，浏览器一直是人类访问互联网的入口。 但随着 AI Agent 技术的发展，一种新的使用方式正在出现：AI 帮你操作浏览器。 现在很多大模型都不再需要我们自己搜索信息，只需要说一句话： “帮我找三篇关于 AI Agent 的最新文章，并整理成摘要。” AI 就会自动打开网页、搜索、筛选、阅读、整理。 整个过程可能只需要几十秒。 从某种意义上说，这正在改变人与互联网交互的方式。  当很多人第一次理解 Agent-Browser 的结构时，往往会产生一种很有意思的感受： 原来看起来非常“智能”的 AI 浏览器系统，背后的核心架构其实并不复杂。 它只是把三件事情组合在一起：大模型的理解能力，浏览器自动化工具，以及任务循环执行机制。 当这三者结合在一起时，一台普通电脑，也可以拥有一个会操作互联网的 AI 助手。 |
 |
| 本文出处： https://www.toutiao.com/article/7617845239910285878/ |
|
声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系
[邮箱地址] 删除
|
