描述
Agent-E 是一个基于代理的系统，旨在自动化用户网页浏览器内的操作。它构建在 AG2 代理框架之上，提供了一个用于与网站交互的自然语言界面。该系统专注于使用户能够自动化各种基于网络的任务，从简单的表单提交到复杂的电子商务产品搜索和媒体播放管理。
阅读更多
其核心是，Agent-E 利用了技能与代理的架构。技能代表原子操作，例如点击元素、输入文本或打开 URL。这些技能由代理进行编排，主要是用户代理（User Proxy agent）负责执行技能，以及浏览器导航代理（Browser Navigation agent）负责网页交互。这种模块化设计允许 Agent-E 灵活地组合技能来创建复杂的网页自动化工作流。该系统优先使用已配置的技能，而不是允许 LLM 生成任意代码，以实现更安全、更可预测的结果。
主要功能包括填写网页表单、在亚马逊等电子商务平台上搜索和排序产品、在网站上定位特定内容、导航和控制 YouTube 视频等网页媒体播放、执行全面的网页搜索以及管理项目管理平台上的任务。Agent-E 还通过其托管的 Web 代理和编排器提供高级功能，包括企业增强功能、高级日志记录、基于角色的访问以及云托管的可扩展基础设施。
Agent-E 的目标受众包括希望自动化重复性或复杂网页任务的开发人员、研究人员和高级用户。其价值主张在于能够将自然语言命令转化为可操作的浏览器交互，从而节省时间并减少手动工作。该系统还支持 LLM 参数的自定义，并提供 API 以进行程序化集成，使其成为满足各种自动化需求的通用工具。
Agent-E 提供了一个快速入门指南，其中包含 macOS/Linux 和 Windows 的安装脚本，随后是环境变量配置。用户可以通过命令行界面运行 Agent-E，或启动 FastAPI 服务器以进行 Web 端点访问，从而实现程序化任务执行。该项目还强调社区贡献，并提供报告问题和参与讨论的资源。
- 类别浏览器与网页自动化
- 定价模式开源
- 部署云端, 自托管
- 平台macOS, Linux, Windows
Agent-E的核心功能
基于代理的网页自动化
用于浏览器交互的自然语言界面
表单填写功能
电子商务产品搜索和排序
网页内容定位和提取
网页媒体播放控制
全面的网页搜索功能
在 JIRA 等平台上的任务管理
用于程序化访问的 FastAPI 包装器
可自定义的 LLM 参数
通过 LiteLLM 和 Ollama 支持开源 LLM
DOM Distillation 以实现高效的元素识别
用于感知和操作能力的技能库
Agent-E入门
克隆仓库
使用提供的脚本安装依赖项（例如，./install.sh 或 .\win_install.ps1）
在 .env 和 agents_llm_config.json 中配置环境变量
使用 'python -m ae.main' 或 './run.sh' 运行 Agent-E
使用 'uvicorn ae.server.api_routes:app --reload --loop asyncio' 启动 FastAPI 服务器以进行 API 访问
通过 HTTP POST 请求到 API 端点执行任务
通过环境变量或 JSON 配置文件自定义 LLM 参数
Agent-E的使用案例
- 网页抓取
- 电子商务自动化
- 表单填写
- 内容聚合
- 任务管理
- 个性化助手
- API 集成
