
Stagehand MCP
上述示例是一个使用Stagehand控制浏览器的Claude智能体。截至本文撰写时,多模态工具调用功能仅在Claude 3.5/3.7 Sonnet版本中支持。 这意味着Claude具备足够的智能来判断何时需要请求浏览器截图,并能利用该截图决定下一步操作。Browserbase MCP
通过Stagehand驱动的Browserbase MCP控制浏览器
Stagehand + 计算机使用模型
Stagehand 只需一行代码就能调用 OpenAI 和 Anthropic 强大的计算机使用 API。Stagehand + 计算机使用文档
查看我们的文档页面,了解如何将计算机使用模型与 Stagehand 配合使用。
CUA 浏览器演示
观看由 OpenAI 计算机使用代理 (CUA) 模型控制的 Browserbase 浏览器实时演示。
顺序工具调用 (Open Operator)
2025年1月,Browserbase发布了Open Operator。Open Operator能够理解浏览器状态并采取相应动作来完成”给我订个披萨”这类复杂任务。
其工作原理是依次调用Stagehand工具:
- 若无URL,则访问默认URL
- 检查浏览器状态,请求LLM推理下一步操作
- 使用
page.act()执行LLM建议的动作 - 循环执行
stagehand.agent集成到浏览器自动化中:
Python当前支持通过计算机使用代理(CUA)模型调用
stagehand.agent,默认实现即将推出。重放代理动作
您可以像使用常规Stagehand代理一样重放动作,甚至能自动缓存动作以避免重复运行时不必要的LLM调用。 下面使用replay函数将动作保存为Stagehand脚本文件,该文件将完全复现代理执行的动作,并内置缓存功能。
utils.ts
utils.ts
"获取英伟达(NVDA)的股价" 的回放输出:
replay.ts

