高频资源合集

浏览器操作与自动执行

浏览当前公开快照中“浏览器操作与自动执行”相关的 AI 开源项目，并查看许可证、部署、适用场景、限制和核验来源。

browser-use/browser-use — browser-use/browser-use 是面向开发者的浏览器智能体 Python 库，可根据自然语言任务执行打开页面、点击、输入和填写表单，并输出已完成的浏览器操作或结构化数据。适合需要以代码扩展网页自动化流程的团队，但采用前应评估外部大模型 API、Chrome 内存占用以及验证码和浏览器指纹问题。
D4Vinci/Scrapling — scrapling 是一个自适应网页抓取框架，提供元素重定位、反机器人绕过和并发爬取能力。当目标网站结构发生变更时，框架能自动重新定位目标元素，降低数据采集流程的维护频率。
microsoft/playwright-mcp — playwright-mcp 通过结构化无障碍快照让大语言模型与网页交互，无需截图或视觉模型即可驱动浏览器执行自动化操作。它基于 Playwright，通过 MCP 接口提供确定性的浏览器自动化能力。
alibaba/page-agent — page-agent 是一个在网页内部运行的 JavaScript GUI 代理，通过文本形式的 DOM 处理实现网页自然语言交互控制。该方案无需浏览器扩展、后端重写或无头浏览器即可在页面内直接部署。
jackwener/OpenCLI — opencli 是一款将网站、浏览器会话、Electron 应用及本地工具转化为确定性命令行界面的工具，同时支持通过已登录的 Chrome 会话进行浏览器自动化操作。
browser-use/web-ui — browser-use/web-ui 是面向浏览器代理交互的 Gradio WebUI，旨在让用户更易于使用浏览器代理。它覆盖 browser-use 的大部分功能，并提供多模型、自定义浏览器和会话保持等能力。
lsdefine/GenericAgent — lsdefine/genericagent 是一个可在本地运行并自行托管的自主智能体框架，以约 3000 行核心代码、约 100 行执行循环和 9 个原子工具完成系统操作，并将成功任务沉淀为可复用技能。它更适合希望研究或搭建可持续积累执行经验的本地智能体、且能够承担直接系统控制风险的用户。
nanobrowser/nanobrowser — nanobrowser/nanobrowser 是面向 Chrome 和 Edge 的开源浏览器自动化工具，适合希望通过自然语言、多代理协作和自选模型执行网页任务的用户。它不适合依赖其他浏览器、要求项目方提供托管服务，或不愿自行配置模型的场景。

AI 搜索

高频资源合集