​
概述

StagehandTool 将 Stagehand 框架与 CrewAI 集成，使智能体能够使用自然语言指令与网站交互并自动化浏览器任务。

​
概述

Stagehand 是一个由 Browserbase 构建的强大浏览器自动化框架，允许 AI 智能体执行以下操作：

  • 导航到网站
  • 点击按钮、链接及其他元素
  • 填写表单
  • 从网页提取数据
  • 观察和识别元素
  • 执行复杂工作流

StagehandTool 包装了 Stagehand Python SDK，通过以下三个核心原语为 CrewAI 智能体提供浏览器控制能力：

  1. Act（行动）：执行点击、输入或导航等操作
  2. Extract（提取）：从网页提取结构化数据
  3. Observe（观察）：识别和分析页面上的元素

​
先决条件

在使用此工具之前，请确保您拥有：

  1. 一个带有 API 密钥和项目 ID 的 Browserbase 帐户
  2. 一个 LLM（OpenAI 或 Anthropic Claude）的 API 密钥
  3. 已安装 Stagehand Python SDK

安装所需依赖项

pip install stagehand-py

​
用法

​
基本实现

StagehandTool 可以通过两种方式实现：

推荐使用上下文管理器方法，因为它确保即使发生异常也能正确清理资源。

from crewai import Agent, Task, Crew
from crewai_tools import StagehandTool
from stagehand.schemas import AvailableModel

# Initialize the tool with your API keys using a context manager
with StagehandTool(
    api_key="your-browserbase-api-key",
    project_id="your-browserbase-project-id",
    model_api_key="your-llm-api-key",  # OpenAI or Anthropic API key
    model_name=AvailableModel.CLAUDE_3_7_SONNET_LATEST,  # Optional: specify which model to use
) as stagehand_tool:
    # Create an agent with the tool
    researcher = Agent(
        role="Web Researcher",
        goal="Find and summarize information from websites",
        backstory="I'm an expert at finding information online.",
        verbose=True,
        tools=[stagehand_tool],
    )

    # Create a task that uses the tool
    research_task = Task(
        description="Go to https://www.example.com and tell me what you see on the homepage.",
        agent=researcher,
    )

    # Run the crew
    crew = Crew(
        agents=[researcher],
        tasks=[research_task],
        verbose=True,
    )

    result = crew.kickoff()
    print(result)

​
2. 手动资源管理

from crewai import Agent, Task, Crew
from crewai_tools import StagehandTool
from stagehand.schemas import AvailableModel

# Initialize the tool with your API keys
stagehand_tool = StagehandTool(
    api_key="your-browserbase-api-key",
    project_id="your-browserbase-project-id",
    model_api_key="your-llm-api-key",
    model_name=AvailableModel.CLAUDE_3_7_SONNET_LATEST,
)

try:
    # Create an agent with the tool
    researcher = Agent(
        role="Web Researcher",
        goal="Find and summarize information from websites",
        backstory="I'm an expert at finding information online.",
        verbose=True,
        tools=[stagehand_tool],
    )

    # Create a task that uses the tool
    research_task = Task(
        description="Go to https://www.example.com and tell me what you see on the homepage.",
        agent=researcher,
    )

    # Run the crew
    crew = Crew(
        agents=[researcher],
        tasks=[research_task],
        verbose=True,
    )

    result = crew.kickoff()
    print(result)
finally:
    # Explicitly clean up resources
    stagehand_tool.close()

​
命令类型

StagehandTool 支持三种不同的命令类型，用于特定的网络自动化任务：

​
1. Act 命令

act 命令类型（默认）支持网页交互，例如点击按钮、填写表单和导航。

# Perform an action (default behavior)
result = stagehand_tool.run(
    instruction="Click the login button", 
    url="https://example.com",
    command_type="act"  # Default, so can be omitted
)

# Fill out a form
result = stagehand_tool.run(
    instruction="Fill the contact form with name 'John Doe', email 'john@example.com', and message 'Hello world'", 
    url="https://example.com/contact"
)

​
2. Extract 命令

extract 命令类型从网页检索结构化数据。

# Extract all product information
result = stagehand_tool.run(
    instruction="Extract all product names, prices, and descriptions", 
    url="https://example.com/products",
    command_type="extract"
)

# Extract specific information with a selector
result = stagehand_tool.run(
    instruction="Extract the main article title and content", 
    url="https://example.com/blog/article",
    command_type="extract",
    selector=".article-container"  # Optional CSS selector
)

​
3. Observe 命令

observe 命令类型识别和分析网页元素。

# Find interactive elements
result = stagehand_tool.run(
    instruction="Find all interactive elements in the navigation menu", 
    url="https://example.com",
    command_type="observe"
)

# Identify form fields
result = stagehand_tool.run(
    instruction="Identify all the input fields in the registration form", 
    url="https://example.com/register",
    command_type="observe",
    selector="#registration-form"
)

​
配置选项

使用这些参数自定义 StagehandTool 的行为

stagehand_tool = StagehandTool(
    api_key="your-browserbase-api-key",
    project_id="your-browserbase-project-id",
    model_api_key="your-llm-api-key",
    model_name=AvailableModel.CLAUDE_3_7_SONNET_LATEST,
    dom_settle_timeout_ms=5000,  # Wait longer for DOM to settle
    headless=True,  # Run browser in headless mode
    self_heal=True,  # Attempt to recover from errors
    wait_for_captcha_solves=True,  # Wait for CAPTCHA solving
    verbose=1,  # Control logging verbosity (0-3)
)

​
最佳实践

  1. 具体明确：提供详细说明以获得更好的结果
  2. 选择适当的命令类型：为您的任务选择正确的命令类型
  3. 使用选择器：利用 CSS 选择器提高准确性
  4. 分解复杂任务：将复杂工作流拆分为多个工具调用
  5. 实现错误处理：为潜在问题添加错误处理

​
故障排除

常见问题及解决方案

  • 会话问题：验证 Browserbase 和 LLM 提供商的 API 密钥
  • 未找到元素：对于较慢的页面，增加 dom_settle_timeout_ms
  • 操作失败：先使用 observe 识别正确的元素
  • 数据不完整：优化指令或提供特定选择器

​
其他资源

关于 CrewAI 集成的问题，请访问：