Stagehand自然语言浏览器自动化 SDK 上手指南含安装清单与 3 个核心 API【免费下载链接】stagehandThe SDK For Browser Agents项目地址: https://gitcode.com/GitHub_Trending/stag/stagehandStagehand 是一个定位明确的 AI 网页自动化 SDK官方一句话介绍是 The SDK for Browser Agents用一句自然语言描述操作由它驱动浏览器完成。这篇文章讲四件事它解决的痛点、安装配置清单、act / observe / extract 三个核心 API 的分工以及生产环境下如何验证稳定性。先看问题选择器维护的成本传统浏览器自动化每一步都要手写一个定位器目标站点改版一次脚本就报错一次。Agent 路线的做法不同把页面上下文交给模型由模型判断该点哪里SDK 只负责执行层。Stagehand 官方的表述很直白Playwright 是为测试而生的Stagehand 是为 Agent 而生的。实现层面有三个值得先知道的点官方 SDK 有三套TypeScript、Python、Go执行层直接走 CDP 协议与浏览器通信不依赖 Playwright 运行时扩展与浏览器并排运行动作在页面附近完成往返次数更少安装与首个会话清单环境要求Node.js ≥ 22.18或 Python ≥ 3.11或 Go ≥ 1.26。浏览器跑在自己机器上需要装 Chrome跑在云端则只需要一个 Browserbase API Key。安装依赖以 TypeScript 为例Python 用pip install stagehandGo 用go get对应模块pnpm add browserbasehq/stagehand zod导出密钥。注意一个细节SDK 不会替你读环境变量需要在自己的代码里取 key 后显式传入export BROWSERBASE_API_KEYyour-key启动会话并跑通最小流程const browser await browserbase.launch({ apiKey: process.env.BROWSERBASE_API_KEY }); const stagehand await Stagehand.create({ browser }); const [page] await browser.context.pages(); await page.goto(https://stagehand.dev);本地调试时把browserbase.launch()换成localBrowser.launch()即可不用云端 key。另外不配置模型时 Model Gateway 会自动选一个所以未必需要模型厂商的 Key。三个核心 API 的分工act、observe、extract一个负责执行一个负责侦察一个负责拿数据。act把一步操作压成一句话await stagehand.act(click the add to cart button);act 是单步的一条指令只做一件事串起来就是流程。它也可以直接传入 observe 返回的Action做确定性重放这种方式完全跳过模型推理。observe让页面先声明能做什么const { data } await stagehand.observe(enumerate all clickable elements on the page);返回可操作元素及其 selector 列表。两个用途调试时快速了解页面当前状态生产里拿到 selector用page.locator(action.selector).click()做确定性下一步。extract按 schema 拿强类型数据const { data } await stagehand.extract( extract the author and title of the PR, z.object({ author: z.string(), title: z.string() }) );第二个参数是 zod schemaPython 侧是 Pydantic返回数据直接强类型不用自己再切字符串。与 Playwright 式写法的对比维度Playwright 式手写Stagehand步骤表达手写 CSS/XPath 定位器自然语言指令或重放 Action页面改版后脚本报错等人修选择器selfHeal 开启时重新推理并重试一次嵌套 iframe / 闭合 Shadow DOM自行处理 frame 层级deep locator 原生支持取数每个页面写一套抓取逻辑extract 传 schema 即可执行链路网络往返 CDP扩展与浏览器并排往返更少Playwright 风格 APIgoto、click、locator、screenshot也完整保留从测试框架过来的人没有迁移成本。生产环境下降成本的三个机制自愈记录的 selector 失效时selfHeal开启的情况下会重新推理该动作并重试一次。服务端缓存cache: true时相同输入的 act/observe/extract 第二次直接命中不消耗 LLM token缓存 key 由指令和页面内容构成不含模型配置换模型不会使缓存失效。可观测运行数据可流式上报 BraintrustSDK 内置 OTel 支持每次调用都能在会话回放时间线上查到。效果验证内置的 evals 评测集换模型、改提示词或调整选择器策略之前可以先跑内置评测。仓库里的packages/evals提供 TUI 与 CLI覆盖 act / extract / observe 三类任务以及 WebVoyager、OnlineMind2Web、WebTailBench、Odysseys 等数据集任务套件evals run extract -t 3 -c 5 evals run b:webvoyager -l 10接下来可以读什么Quickstart 文档TS / Python / Go 三套完整可运行示例脚本示例目录每个文件都是一个可跑脚本配合just example act执行Evals README如何脚手架出自己的评测任务下一步建议先跑一遍packages/sdk-ts/examples/里的 act 示例这是感受这套 SDK 手感最短的路径。【免费下载链接】stagehandThe SDK For Browser Agents项目地址: https://gitcode.com/GitHub_Trending/stag/stagehand创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考