openbrowser

Open Browser es un framework TypeScript de código abierto (licencia MIT) que dota a los agentes de IA de la capacidad de navegar por la web de forma autónoma. Construido sobre Playwright, permite a los agentes hacer clic, escribir, desplazarse, navegar y extraer datos de cualquier sitio web simplemente describiendo una tarea en lenguaje natural. El proyecto está estructurado como un monorepo con tres paquetes: una biblioteca central (open-browser) que contiene la lógica del agente, control del navegador, análisis del DOM e integración con LLM; una CLI (@open-browser/cli) para ejecutar agentes y emitir comandos del navegador; y un paquete sandbox (@open-browser/sandbox) para ejecución con recursos limitados con monitoreo de CPU/memoria, tiempos de espera y restricciones de dominio. Las capacidades clave incluyen soporte multimodelo a través del Vercel AI SDK (modelos de OpenAI, Anthropic y Google intercambiables con una sola bandera), un REPL interactivo para sesiones de navegador en vivo, detección de estancamiento, seguimiento de costos, gestión de sesiones, grabación de repeticiones y manejo integral de errores. El bucle del agente funciona enviando el estado actual de la página y la tarea a un LLM, que decide qué comandos ejecutar (más de 25 tipos de comandos), luego observa los resultados y repite hasta que la tarea se completa. El uso está disponible tanto como CLI (open-browser run "Find the top story on Hacker News and summarize it") como biblioteca TypeScript con viewport configurable, modelo, límites de pasos, capturas de pantalla y restricciones de URL. La ejecución en sandbox añade tiempo de espera, límites de memoria, dominios permitidos y captura de salida para implementación segura en producción.