Skip to main content

​
基本函数注册

函数可以是 sync 或 async。保持它们专注和单一目的。 
from browser_use import Controller, ActionResult
# 初始化控制器
controller = Controller()

@controller.action('向用户询问信息')
def ask_human(question: str) -> str:
    answer = input(f'\n{question}\n输入: ')
    return ActionResult(extracted_content=answer)
基础 Controller 已经实现了你可能需要的所有基本功能来与浏览器交互。
# ... 然后将控制器传递给代理
agent = Agent(
    task=task,
    llm=llm,
    controller=controller
)
保持函数名称和描述简短明了。代理仅根据名称和描述来使用函数。 动作的字符串化输出会传递给代理。

​
浏览器感知函数

对于需要浏览器访问的动作，只需在函数参数中添加 browser 参数: 
from browser_use import Browser, Controller, ActionResult

controller = Controller()
@controller.action('打开网站')
async def open_website(url: str, browser: Browser):
    page = browser.get_current_page()
    await page.goto(url)
    return ActionResult(extracted_content='网站已打开')

​
使用 Pydantic 的结构化参数

对于复杂的动作，你可以使用 Pydantic 模型定义参数模式: 
from pydantic import BaseModel
from typing import Optional
from browser_use import Controller, ActionResult, Browser

controller = Controller()

class JobDetails(BaseModel):
    title: str
    company: str
    job_link: str
    salary: Optional[str] = None

@controller.action(
    '保存在页面上找到的工作详情',
    param_model=JobDetails
)
async def save_job(params: JobDetails, browser: Browser):
    print(f"保存工作: {params.company} 的 {params.title}")

    # 如果需要访问浏览器
    page = browser.get_current_page()
    await page.goto(params.job_link)

​
对多个代理使用自定义动作

你可以对多个代理使用相同的控制器。 
controller = Controller()

# ... 向控制器注册动作

agent = Agent(
    task="访问网站 X 并找到最新新闻",
    llm=llm,
    controller=controller
)

# 运行代理
await agent.run()

agent2 = Agent(
    task="访问网站 Y 并找到最新新闻",
    llm=llm,
    controller=controller
)

await agent2.run()
控制器是无状态的，可以用于注册多个动作和多个代理。

​
排除函数

如果你想让代理使用更少的动作，你可以从控制器中排除它们。 
controller = Controller(exclude_actions=['open_tab', 'search_google'])
访问 examples/custom-functions 查看更多示例，如文件上传或通知。