skyvern

Skyvern 是一款由 AI 驱动的浏览器自动化工具，利用 Vision LLM 和计算机视觉与网站进行交互。与依赖 DOM 解析和 XPath 的传统自动化不同，Skyvern 能够通过对视觉元素的推理，在不熟悉的网站上运行并适应布局变化。 核心能力包括： - AI 驱动的 SDK：一个 Playwright 扩展，增加了如 `page.act()`、`page.extract()` 和 `page.validate()` 等自然语言命令，以及标准 Playwright 操作（点击、填充、选择、上传）的 AI 增强版本。 - 无代码工作流构建器：允许用户使用数据提取、验证、循环和 HTTP 请求等区块将多个任务串联在一起。 - 高级浏览器控制：支持通过远程调试控制本地 Chrome 实例，并将本地浏览器隧道传输至 Skyvern Cloud。 - 数据提取与表单填充：能够根据提供的 JSON schema 提取结构化数据并填写复杂的网页表单。 - 身份验证支持：包括 2FA 支持（TOTP、电子邮件、短信）以及与 Bitwarden 等密码管理器的集成。 - 集成能力：支持 Model Context Protocol (MCP)，并可连接 Zapier、Make.com 和 N8N 等自动化平台。 Skyvern 可以通过托管云服务、本地 pip 安装或 Docker Compose 部署。它支持广泛的 LLM 提供商，包括 OpenAI、Anthropic、Gemini 以及通过 Ollama 托管的本地模型。