Awesome Web Agents

🔥 这里整理了用于构建能够浏览和交互 Web 的 AI Agent 的工具、框架及资源列表。

关于 Steel

Steel 是一个专门为 AI Agent 构建的开源浏览器 API。我们致力于让构建能够高效交互 Web 的 AI 应用变得简单。

✨ 在此处免费开始使用。

目录

• Awesome Web Agents
  • 自主 Web Agent
    • 计算机操作 Agent
  • AI Web 自动化工具
    • 开发工具
  • AI Web 爬虫/采集器
  • Web 搜索与查询工具
  • 基准测试与研究
  • 教程与指南
  • 归档
  • 有兴趣集成 Steel 吗？
  • 加入社区
  • 贡献
    • 贡献者

自主 Web Agent

能够通过用户友好界面自主导航并与 Web 进行交互的 AI Agent。（又称浏览器 Agent）

• Surf.new - 一个用于与不同 Web Agent 进行对话的开源实验场。
• OpenAI Operator - OpenAI 推出的能够为你浏览 Web 的 AI Agent。
• Browser-Use - 最前沿（SOTA）的 Agent 及框架，旨在让 Web 更加适配 LLM。
• Skyvern-AI - 用于自动化基于浏览器的业务流程的框架。
• Google Project Mariner - 一个探索人机交互未来的研究原型，从浏览器开始。
• Sentience API - 一个利用 Web 内容的语义几何（semantic geometry）构建更具确定性和可解释性 Web Agent 的工具。
• Runner H - 最先进的 AI Agent，旨在帮助自动化复杂、繁琐的多步骤任务，无需重复的手动输入。
• WebVoyager (Agent) - 支持视觉的 Web Agent。
• AgentGPT - 在浏览器中部署自主 AI Agent。
• Agent-E - 具备 HTML DOM 蒸馏能力的 Agent 及框架。
• Manus - 一个通用的 AI Agent，能够在浏览器、终端和文本编辑器等工具中执行长周期的任务。
• doBrowser - 一款 AI 驱动的 Chrome 扩展程序，能够理解自然语言并代表你在浏览器中执行操作。
• WebSurfer (Autogen) - MultimodalWebSurfer 是一个多模态 Agent，可以搜索 Web 并访问网页。
• Magentic-One - 一个用于解决复杂任务的通用多 Agent 系统，包括通过 Autogen 的 MultimodalWebSurfer 浏览 Web。
• Harpa.ai - 一款 AI 驱动的 Chrome 扩展及浏览器 Agent，能够理解自然语言并代表你执行操作。
• Yutori - 一个多 Agent 系统，可根据自然语言指令并行执行基于浏览器的任务。
• Automina - 具备自然语言控制功能的 AI 浏览器自动化工具。
• rtrvr.ai - 一款 AI Web Agent Chrome 扩展，可在你的浏览器中根据提示自动执行任务、将数据抓取到表格并调用 API。
• Nanobrowser - 一款开源且优先本地运行的 AI Web Agent Chrome 扩展，提供灵活的 LLM 选项和多 Agent 系统。
• Browserable - 一个开源且可自托管的 AI Agent 浏览器自动化库。
• Tongyi WebAgent