没有Manus约请码,本人用Browser-use手搓一个Agent

1、引进Browser-use

    正在各人对于manus会商患上满城风雨的时候，甘于不聘请码没法测验考试其戴去的所谓欣喜，共时，却也瞅到网上的二种比力极度的道法，或者称其为鼎祚级立异，或者道其毫无手艺露质，可以是manus用了许多启源库，因而，正在许多法式员的眼里，其仿佛少了本创战手艺露质。

    有人“逃狱”了manus，而且分享出了多少个枢纽发明：

Manus AI理论 上鉴于 Claude Sonnet（Anthropic 开辟的 AI 模子）。



它散成为了 29 种东西，并使用 @browser_use 供给浏览器功用。



它没有使用多代办署理（multi-agent）体系。



@browser_use  的代码被混合，可以意正在躲藏其完毕细节。



东西战提醒存留“逃狱”（jailbreak）征象，表示可以存留宁静漏洞或者已受权会见。

   

    特别是当把manus_sanbox_runtime.tar.gz文献解压后，发明的一个生面目面貌：browser_use，如图1

   

                        图1

    念要弄大白Browser-use的事情道理，需先搞分明二个枢纽观点：

1.1 Playwright

    Playwright是个超勇猛的浏览器主动化框架，像Chrome、Firefox战Edge那些支流浏览器它皆能撑持。它能定位浏览器界里的元艳，并模仿用户的各类举动，像面打按钮、输出笔墨之类的操纵，更加勇猛的是，它能够侦听、截与取效劳器通信的疑息包，并将其保留为JSON文献（睹自己从前的文章）。

1.2 LangChain + LLMs（狂言语模子）

    LangChain是一套东西链，特地用去拆修鉴于狂言语模子（好比道DeepSeek之类）的使用法式。颠末调整那些模子，Browser-use就可以听懂庞大的指令，借能把指令酿成具体的浏览器操纵。

    举例来讲，您跟AI道 “助尔干一份来老君山的游览攻略，包罗路程摆设、本地好式及相干留神事变，把攻略存到本地文献”，Browser-use便会依靠狂言语模子去理解您提出的请求，并合成成一个个步调，而后挪用Playwright去一步步完毕那些操纵。

（两）拆修Browser-use情况

    既然 Browser-use 这样勇猛，这咱们赶快入手尝尝吧！如下是具体的初学指北，包管即使是编程小利剑也能疾速上脚。

2.1 准备事情

    起首，保证您的情况中装置了如下依靠项：

Python >= 3.11browser-usePlaywrightLangChainOpenAI API 稀钥 （采用）DeepSeek API 秘钥（采用，2月7往后需要充值）

   装置 号令以下：
    pip install langchain_openai browser-use
假设不playwright的，借需要：
pip install playwrightplaywright install #装置浏览器CDP
2.1创立一个 .env 文献

正在您的名目的跟目次下，创立.env文献，并挖进您的 OpenAI API 稀钥：
OPENAI_API_KEY=your_api_key_here
假设您要用DeepSeek api，也要挖进DeepSeek的秘钥
DEEPSEEK_API_KEY='sk-*’ # your deepseek api_key
假设要用自己的浏览器，正在.env中借要加之二止：
CHROME_PATH='C:\Program Files\奸淫\chrome.exe' # chrome.exe pathCHROME_USER_DATA='C:\Users\奸淫\AppData\Local\Google\Chrome\User Data'
（三）创立您自己的Agent

3.1 LLM的挑选

（1）GPT-4o mini

    开端调试时，尔用的是“GPT-4o mini”，但是免费额度很快便用完了，它的额度为：免费用户每一3小时能够使用10次‌‌。

    “GPT-4o mini”照应速率很快，但是数据大都皆是正在Google中找，主要仍是次数限定，估量调试完毕，此后只需具体需要时，仍是能够忍耐的。

（2）DeepSeek V1

    改用DeepSeek后，老是正在“step 1”处轮回，以至加入“逝世轮回”，要用ctrl+C干预。因为从前正在excel及python的DeepSeek挪用顶用过完毕恳求的API_KEY，皆不发明成就，以是临时感应差别。又转头沉试Python挪用DeepSeek，跳出提醒“payment requested”——2月7往后，API挪用开端免费。

    充值后，DeepSeek挪用胜利！

3.2创立 自己的Agent

   上面 是尔干的一个简朴的示例，示范怎样让 AI 助您把任务合成，而后把再把那些合成步调“串”起去接给Browser-use，以完毕您交接的任务：
import warningsfrom langchain_core._api import LangChainBetaWarningfrom langchain_openai import ChatOpenAIfrom browser_use import Agentfrom pydantic import SecretStrimport asyncioimport jsonfrom dotenv import load_dotenvimport osload_dotenv()api_key = os.getenv('DEEPSEEK_API_KEY', '')if not api_key:   raise ValueError('DEEPSEEK_API_KEY is not set')# 正在导进其余模块前树立警告过滤warnings.filterwarnings("ignore", category=LangChainBetaWarning)async def main():   llm = ChatOpenAI(       base_url='https://api.deepseek.com/v1',       model='deepseek-chat',       api_key=SecretStr(api_key),  # 规复SecretStr包拆       temperature=0.3,       max_tokens=2000   )     agent = Agent(       task=(           '一、助尔干一份四月份来老君山的游览具体攻略,包罗路程摆设，旅店举荐，接通方法，本地好食（明细），留神事变等'           '二、请用华文复兴'           '三、请用markdown格局复兴，并保留到当地文献'           '四、封闭浏览器'       ),       llm=llm,       use_vision=False   )   try:       # 增加施行超时掌握       result = await asyncio.wait_for(agent.run(), timeout=120)       print("\n======== 尝试成果 ========")       print(result.final_result())       #交流 为可序列化的数据提炼       if result and hasattr(result, 'steps'):           output_data = {               "history": [                   {                       "action": step.action,                       "observation": str(step.observation)  # 保证可序列化                   }                   for step in result.steps               ]           }           with open('travel_plan.json', 'w', encoding='utf-8') as f:               json.dump(output_data, f, ensure_ascii=False, indent=2)           print("\n 攻略数据已经保留到 travel_plan.json")       else:           with open('laojunshan_guide2.md', 'w', encoding='utf-8') as f:               f.write(result.final_result())           print(" 攻略已经保留为 laojunshan_guide.md")   except asyncio.TimeoutError:       print("任务施行超时，请查抄：\n1. 收集跟尾\n2. 页里元艳可否可接互")       return  # 增加延迟前去制止后绝代码施行   # 改正为准确的步调属性   if hasattr(result, 'steps'):       print("\n==== 施行轨迹 ====")       for i, step in enumerate(result.steps, 1):           print(f"[步调{i}] {step.action} -> {step.observation[:50]}...")   else:       print("\n已找到施行步调记载")asyncio.run(main())
    运行那段代码后，您会发明 AI 将任务开端合成施行，浏览器也随之翻开并有元艳发明并标注，如图2


                                                图2
    掌握台也开端共步输出施行的任务步调，如图3：



                                                图3   

   最初 ，Agent给挨印出游览攻略，共时也输出到了当地文献（laojunshan_guide.md）中，如图4：

                                                    图4

    是否是很酷？

（四）归纳

    用Browser-use脚搓的Agent确实能完毕一个残破的任务，可是用过量个类似的Agent后，发明Browser-use挪用PlayWright的最年夜短处是AI对于任务理解——当完毕没有了原步调后，没有会主动纠错，比方：

     Ai的任务合成、步调是不成就的，browser-use颠末PlayWright能够识别网页元艳并给以标注，而后按照任务步调对于标注截至主动化操纵，可是假设网页是静态减载并使网页元艳发作了变革，browser-use没有会随之挪用playwright再次识别、标注的，照旧使用本有网页的标注，招致交下来循序渐进的任务没法完毕。

    以是那个browser-use拆修的agent不成就，不过其挪用playwright后的元艳定位及标注应保证及时革新，那大概是个BUG，对于那一面需要给以存眷。