Browser Agent

Browser Agent 是由 Oxylabs AI Studio 开发的一款 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、滚动页面、截图等）来模拟真实用户的浏览行为，并在此过程中提取结构化数据——所有这些任务均可通过自然语言指令进行控制。

与传统的自动化框架（如 Puppeteer 或 Selenium）不同，Browser Agent 不需要静态的爬取规则或手动编写脚本。用户只需用简单的英语描述任务，或者提供一系列步骤，AI 就会像人类一样执行这些任务。

主要功能

通过浏览器 AI 实现全面控制 – 执行点击、输入、导航和滚动操作。
多步任务执行 – 使用自然语言定义浏览流程。
多种输出格式 – 获取 JSON、Markdown、HTML 或 PNG 截图格式的结果。
支持动态内容 – 可与 JavaScript 渲染的页面进行交互。
基于 Schema 的提取 – 在浏览序列完成后获取结构化的 JSON 数据。

工作原理

要使用浏览器 AI Agent 运行任务，请按照以下步骤操作：

输入目标 URL。
描述浏览过程：
- 自然语言提示（Prompt）（例如：“打开定价页面，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）若选择了 JSON，则定义或自动生成一个 Schema，以便对收集到的数据进行结构化。

安装

首先，请确保您拥有 API Key（或获取免费试用包含 1000 次积分）并安装了 Python 3.10 或更高版本。您可以使用 pip 安装 oxylabs-ai-studio 包：

pip install oxylabs-ai-studio

代码示例 (Python)

以下示例展示了如何使用浏览器 AI Agent 执行浏览和数据提取任务。

from oxylabs_ai_studio.apps.browser_agent import BrowserAgent

browser_agent = BrowserAgent(api_key="")

schema = browser_agent.generate_schema(
    prompt="game name, platform, review stars and price"
)
print("schema: ", schema)

prompt = "Find if there is game 'super mario odyssey' in the store. If there is, find the price. Use search bar to find the game."
url = "https://sandbox.oxylabs.io/"
result = browser_agent.run(
    url=url,
    user_prompt=prompt,
    output_format="json",
    schema=schema,
)
print(result.data)

下例展示了如何在使用 Browser Agent 的同时获取 PNG 截图。

import base64
from oxylabs_ai_studio.apps.browser_agent import BrowserAgent

browser_agent = BrowserAgent(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"]))

了解更多关于 Browser Agent 和 Oxylabs AI Studio Python SDK 的信息，请访问我们的 PyPI 仓库。对于 JS 用户，您可以查看我们的 AI Studio JavaScript SDK 指南。

请求参数

参数	描述	默认值
`url`*	起始浏览 URL	–
`user_prompt`*	用于提取数据的自然语言提示	–
`output_format`	输出格式 (`json`, `markdown`, `html`, `screenshot`)	`markdown`
`schema`	用于结构化提取的 OpenAPI schema（JSON 格式时必填）	–
`geo_location`	ISO2 格式的代理服务器位置	–

* – 必填参数

输出示例

Browser Agent 可以返回易于集成到应用程序中的解析结果或截图。以下是我们第一个请求代码的直接输出示例：

Results:
{
  "game_name": "Super Mario Odyssey",
  "platform": "Nintendo Switch",
  "review_stars": 5,
  "price": "$59.99"
}