منصوبے کے بارے میں

Open Browser ایک اوپن سورس (MIT لائسنس یافتہ) TypeScript فریم ورک ہے جو AI ایجنٹوں کو خود مختار طور پر ویب براؤز کرنے کی صلاحیت فراہم کرتا ہے۔ Playwright پر مبنی، یہ ایجنٹوں کو کلک کرنے، ٹائپ کرنے، اسکرول کرنے، نیویگیٹ کرنے اور کسی بھی ویب سائٹ سے ڈیٹا نکالنے کے قابل بناتا ہے، صرف قدرتی زبان میں کام بیان کرنے سے۔ یہ پروجیکٹ ایک مونو ریپو کے طور پر ترتیب دیا گیا ہے جس میں تین پیکجز ہیں: ایک کور لائبریری (open-browser) جس میں ایجنٹ منطق، براؤزر کنٹرول، DOM تجزیہ، اور LLM انٹیگریشن شامل ہے؛ ایک CLI (@open-browser/cli) ایجنٹ چلانے اور براؤزر کمانڈز جاری کرنے کے لیے؛ اور ایک سینڈ باکس پیکج (@open-browser/sandbox) محدود وسائل کے ساتھ عملدرآمد کے لیے، جس میں CPU/میموری مانیٹرنگ، ٹائم آؤٹ، اور ڈومین پابندیاں شامل ہیں۔ کلیدی صلاحیتوں میں Vercel AI SDK کے ذریعے ملٹی ماڈل سپورٹ شامل ہے (OpenAI، Anthropic، اور Google ماڈلز ایک ہی فلیگ سے تبدیل کیے جا سکتے ہیں)، لائیو براؤزر سیشنز کے لیے ایک انٹرایکٹو REPL، اسٹال کا پتہ لگانا، لاگت سے باخبر رہنا، سیشن مینجمنٹ، ری پلے ریکارڈنگ، اور جامع ایرر ہینڈلنگ۔ ایجنٹ لوپ موجودہ صفحہ کی حالت اور کام کو LLM کو بھیج کر کام کرتا ہے، جو فیصلہ کرتا ہے کہ کون سی کمانڈز عمل میں لائی جائیں (25+ کمانڈ کی اقسام)، پھر نتائج کا مشاہدہ کرتا ہے اور کام مکمل ہونے تک لوپ جاری رکھتا ہے۔ استعمال CLI کے طور پر دستیاب ہے (open-browser run "Hacker News پر سب سے اوپر کی کہانی تلاش کریں اور اس کا خلاصہ کریں") اور TypeScript لائبریری کے طور پر بھی، جس میں قابل ترتیب ویو پورٹ، ماڈل، مرحلہ حدود، اسکرین شاٹس، اور URL پابندیاں شامل ہیں۔ سینڈ باکسڈ عملدرآمد محفوظ پروڈکشن تعیناتی کے لیے ٹائم آؤٹ، میموری کی حدود، اجازت یافتہ ڈومینز، اور آؤٹ پٹ کیپچر شامل کرتا ہے۔