openbrowser

Open Browser 是一个开源（MIT 许可）的 TypeScript 框架，使 AI 代理能够自主浏览网页。它基于 Playwright 构建，只需用自然语言描述任务，代理即可在任意网站上点击、输入、滚动、导航并提取数据。 该项目采用 monorepo 结构，包含三个包：核心库（open-browser），包含代理逻辑、浏览器控制、DOM 分析和 LLM 集成；CLI（@open-browser/cli），用于运行代理并发布浏览器命令；沙箱包（@open-browser/sandbox），用于资源受限执行，支持 CPU/内存监控、超时和域名限制。 关键能力包括通过 Vercel AI SDK 支持多模型（OpenAI、Anthropic 和 Google 模型可通过单个标志切换）、用于实时浏览器会话的交互式 REPL、停滞检测、成本跟踪、会话管理、回放录制和全面错误处理。代理循环的工作方式是将当前页面状态和任务发送给 LLM，由 LLM 决定执行哪些命令（25+ 种命令类型），然后观察结果并循环直到任务完成。 使用方式包括 CLI（open-browser run "Find the top story on Hacker News and summarize it"）和 TypeScript 库，可配置视口、模型、步数限制、截图和 URL 限制。沙箱执行为安全的生产部署增加超时、内存限制、允许域名和输出捕获。