openbrowser-ai
OpenBrowser 是智慧型瀏覽器自動化的框架,結合直接 CDP 通訊與 CodeAgent 架構,讓 LLM 撰寫 Python 程式碼。
openbrowser-ai 是什麼?
OpenBrowser 是智慧型瀏覽器自動化的框架,結合直接 CDP 通訊與 CodeAgent 架構,讓 LLM 撰寫 Python 程式碼在持續命名空間中執行,自主導航、互動及擷取網頁資訊。
openbrowser-ai 概覽
這是什麼
OpenBrowser 是一個智慧型瀏覽器自動化框架。它結合了直接的 CDP(Chrome DevTools Protocol)通訊與 CodeAgent 架構,讓 LLM 在持續存在的命名空間中撰寫 Python 程式碼,以自主導航、互動及擷取網頁資訊。
主要功能
- CodeAgent 架構 – LLM 在類似 Jupyter 的持續命名空間中撰寫 Python 程式碼以進行瀏覽器自動化 - 原始 CDP 通訊 – 直接使用 Chrome DevTools Protocol 以獲得最大控制與速度 - 視覺支援 – 螢幕截圖分析以理解頁面視覺內容 - 15 個 LLM 提供者 – OpenAI、Anthropic、Google、Groq、AWS Bedrock、Azure、Ollama、DeepSeek、Cerebras、OpenRouter、OCI 等 - MCP 伺服器 – 支援 Claude Desktop、Claude Code、Codex、OpenCode 及其他 AI 助手的 Model Context Protocol,並可重複使用已儲存的登入工作階段 - CLI 守護程序 – 持續執行的瀏覽器守護程序,支援
-c旗標直接從 Bash 執行程式碼、儲存登入狀態及 10 分鐘自動關閉 - 工作流程錄製 – 錄製、重播並將瀏覽器工作階段匯出為 Jupyter 筆記本或 API 爬蟲程式碼 - 影片錄製 – 使用 ffmpeg 將瀏覽器工作階段錄製為影片檔案 - 雲端平台 – 全端網頁 UI,支援即時 VNC 串流、KMS 加密的儲存登入、EventBridge + SQS 排程工作流程及 SES 電子郵件通知 - 外掛系統 – Claude Code 外掛,提供 7 個引導技能(深度研究、網頁爬取、表單填寫、端對端測試、頁面分析、無障礙稽核、檔案下載)
使用情境
- 自動化電子商務網站產品爬取(例如 Walmart) - 自動航班預訂 - 自動表單填寫 - 透過 Claude Code 外掛進行深度研究、網頁爬取、端對端測試、頁面分析、無障礙稽核及檔案下載
快速開始
bash # 快速安裝(macOS / Linux) curl -fsSL https://raw.githubusercontent.com/billy-enrizky/openbrowser-ai/main/install.sh | sh # 快速安裝(Windows PowerShell) irm https://raw.githubusercontent.com/billy-enrizky/openbrowser-ai/main/install.ps1 | iex # pip 安裝 pip install openbrowser-ai # uv(建議) uv pip install openbrowser-ai # uvx(零安裝) uvx openbrowser-ai --mcp uvx openbrowser-ai -c 'await navigate(https://example.com)' python # 基本用法 import asyncio from openbrowser import CodeAgent, ChatGoogle async def main(): agent = CodeAgent( task='前往 google.com 並搜尋 Python 教學', llm=ChatGoogle(model='gemini-3-flash'), ) result = await agent.run() print(f'結果: {result}') asyncio.run(main())
授權與價格
MIT 授權,開放原始碼。
內容整理自該專案公開的 README 與儲存庫資訊。