托管式深度 Agent 支持浏览器操作
LangSmith 的托管式深度 Agent 现在可以让你的 Agent 自己操作浏览器了。原来 Agent 只能靠 API 办事，遇到订机票、填表单这类没有 API 的网页就没法处理，用 curl 抓页面也拿不到 JavaScript 渲染后的内容。这次 LangSmith 直接替 Agent 跑一个远程浏览器，并配上读取页面、点击填写、截图和人手接管等工具；遇到登录时可以把浏览器交给你自己输密码，登录状态还能沿用，省得把密码交给模型。开发者只需写几行配置就能开启，用开源 Deep Agents 构建的 Agent 也能用。
文中可用工具
- Managed Deep Agents在 LangSmith 上托管运行 Agent 和浏览器，无需自建基础设施
- LangSmith托管 Agent 运行环境并查看调试轨迹
- LangSmith Studio与 Agent 对话调试的界面，登录卡片在这里展示
- Deep Agents开源 Agent 框架，也可使用浏览器能力
- StagehandBrowserbase 的开源浏览器 Agent SDK，浏览器工具基于它构建
- WebVoyager用于测试和调优浏览器工具的评测基准
- browser_snapshot读取页面可访问性树并给交互元素编号
- browser_run批量执行点击、填写等操作或运行 Playwright 风格脚本
- browser_screenshot截取渲染后的页面
- browser_handoff把浏览器交给用户登录或操作，完成后再交还
评论 · 分享第一个看法