爱意满满的作品展示区。
niuheishou

[agent 工具]给你的 Agent 接上网页感知与操作能力,送 20 个体验码

  •  
  •   niuheishou · 1 day ago · 572 views

    大家好,做了大约一年半的 Event Horizon ,简称 EH ,最近把订阅版整理出来了,想请大家实际用一用。

    做 Agent 操作网页时,我一直在处理一个问题:任务说得很清楚,但到了页面上,模型能不能找到正确的对象,分清一组内容的归属,再把操作落到对应的控件上?

    比如筛选一个列表,分清每张卡片里的标题、价格和按钮;填写表单,找到对应的输入框;遇到弹窗、翻页或页面变化后,再继续往下做。

    EH 做的是这层网页感知与操作能力:把当前页面中的可见内容、布局关系和控件整理成结构化的“页面契约”,交给 Agent 。Agent 根据契约决定下一步,再通过工具执行点击、输入、滚动等操作。

    使用时不需要先为目标网站编写一套专用操作脚本,而是让 Agent 根据当下的页面继续判断。最终能完成什么任务,也取决于你使用的模型、Agent ,以及网站本身的交互方式。

    具体使用方式是:

    • 用你自己的模型和 Agent ,通过 MCP 接入 EH 。
    • 专属 Chrome 运行在自己的电脑上,浏览器数据保存在本机,重开时可以沿用网站登录态。
    • 感知引擎在云端运行,网页采样数据会传到云端处理。 这次提供的是薄客户端源码,负责本地控制台、浏览器连接和 Agent 接入。Agent 能拿到页面契约和操作结果,云端引擎的内部实现不包含在客户端仓库里。

    准备好 Python 3.10+、Chrome ,以及能加载 MCP 工具的 Agent ,按 README 启动客户端。注册、激活、连接浏览器,再按面板提示把工具接给 Agent ,就可以给它一个具体任务试试。

    可以先从自己熟悉的页面开始,例如查找资料、筛选列表、填写测试表单、翻页整理内容。你知道页面上应该有什么,也更容易判断它做得对不对。

    目前仍有明确的局限:复杂自绘控件、虚拟滚动、验证码等场景可能卡住,也不保证所有网站、所有任务都能完成。普通公网 HTTP(S) 页面无需逐站申请白名单,敏感站点和私有网络仍有限制。

    这次准备了 20 个赠送激活码,放在仓库里,每个可兑换 1 个月、3000 个感知帧,每码只能兑换一次。一个任务可能需要多次感知,所以 3000 帧不等于 3000 个任务;你自己的模型或 Agent 费用另算。

    客户端与使用说明: https://github.com/Boundprogress/event-horizon-subscription

    想先看之前的演示,也可以看 Demo 材料。那是此前版本的演示,当前订阅版以实际体验为准。

    这一轮最想收到的是具体反馈:你让它做什么、卡在哪一步、页面上实际发生了什么。成功的例子欢迎分享,失败的例子也很有价值,方便我继续定位和改进。

    折腾了一年半,终于到了可以拿出来让大家试用的阶段。欢迎体验,也欢迎直接指出不好用的地方。

    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Privacy   ·   Solana   ·   2717 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 20ms · UTC 14:03 · PVG 22:03 · LAX 06:03 · JFK 09:03
    ♥ Do have faith in what you're doing.