BrowserNyersnyelvű parancsokkal automatizálja a webböngészést.

A Browser egy ingyenes, nyílt forráskódú MI-ügynök, amely lehetővé teszi a felhasználók számára, hogy természetes nyelvi utasításokkal irányítsanak egy webböngészőt. Egy nyelvi modell segítségével értelmezi a felhasználó utasításait, ami lehetővé teszi, hogy a böngészőben oldalakat navigáljon, elemeket kattintson, űrlapokat töltse ki és információkat vonjon ki manuális beavatkozás nélkül. Az eszköz fejlesztőknek, kutatóknak és haladó felhasználóknak készült, akik olyan ismétlődő webalapú feladatok automatizálására vágynak, mint az adatgyűjtés, a tesztelés vagy a rutinszerű űrlapbeküldések. Mivel helyben fut és nyílt forráskódú, a felhasználók megtekinthetik a kódot, módosíthatják a viselkedést és integrálhatják egyéni munkafolyamataikba. A Browser a szabványos böngészőautomatizálási keretrendszerekkel (pl. Chrome DevTools Protocol vagy WebDriver) való együttműködés révén működik. A felhasználó szöveges parancsot ad meg, az LLM ezt lefordítja böngészőműveletek sorozatává, és az ügynök végrehajtja ezeket a műveleteket egy valódi böngészőpéldányban. Az eredmények – mint a kiolvasott adatok vagy a képernyőkép – visszakerülnek a felhasználóhoz. A kulcsfontosságú képességek közé tartozik a többlépes navigáció, a dinamikus űrlapkezelés és a tartalom összegzése menet közben. A rendszert bővítő modulokkal vagy egyéni szkriptekkel lehet kiegészíteni, ami lehetővé teszi az integrációt más eszközökkel, mint például adatbázisok, API-k vagy analytics pipeline-ok. A korlátozások abból adódnak, hogy működőképes LLM backend és megfelelően konfigurált böngészőkörnyezet szükséges. Azok az összetett weboldalak, amelyek nagymértékben támaszkodnak CAPTCHÁ-kra vagy automata védelmi intézkedésekre, további kezelést igényelhetnek, és az adatvédelmileg érzékeny feladatokat gondosan kell értékelni, mivel a böngészési adatok áthaladnak az LLM szolgáltatáson.