Integuru v0
从浏览器网络请求生成调用内部接口的 Python 集成代码。
- Star 数
- ★ 4.8k
- 最近更新
- 4 个月前
- License
- AGPL-3.0
- 主语言
- Python
- FA 评分
- 24/100 · 缺口较多
30 秒速览
- 可在哪里用
- 平台专用OpenAI API
- 开始前需要
- 典型场景
- 需要下载某个账户账单的开发者，可在浏览器完成一次下载操作后，让工具识别相关请求及账户标识依赖。
- 主要局限
- 这是公开发布的最早版本；仓库明确表示最新版本位于 integuru.com。
这个 Agent 能做什么，适合哪些场景？
Integuru v0 是公开发布的早期版本，用于从浏览器网络请求中推导可运行的集成代码。用户通过 create_har.py 启动浏览器、完成登录并执行目标操作，工具将请求写入 HAR 文件，同时保存 cookies。随后以 integuru 命令行传入操作提示，系统分析请求之间的动态参数依赖，构建依赖图。它可生成执行图中所有请求的 Python 代码，以触发目标平台上的相应操作。该版本依赖 OpenAI 的云端模型；仓库说明当前版本已迁至 integuru.com。
运行 poetry run python create_har.py 后，用户在浏览器中登录目标平台并执行一次目标动作。流程收集 network_requests.har 与 cookies.json；随后运行 poetry run integuru --prompt "download utility bills" --model <gpt-4o|o3-mini|o1|o1-mini>。Integuru 根据 HAR 中的请求识别目标请求及其动态值，例如 accountId 和 userId，寻找提供这些值的上游请求并建立依赖图。它从无依赖请求向目标请求遍历，并将节点转换为可运行函数；使用 --generate-code 时可生成完整集成代码。命令行还支持 --har-path、--cookie-path、--max_steps 和 --input_variables。
- 需要下载某个账户账单的开发者，可在浏览器完成一次下载操作后，让工具识别相关请求及账户标识依赖。
- 为没有官方 API 的网站制作内部自动化脚本的工程师，可用 HAR 捕获实际请求并生成 Python 调用代码。
- 需要将一次浏览器中触发的业务动作拆解为多步 HTTP 请求的集成开发者，可使用依赖图追踪动态参数来源。
- 需要按指定 YEAR 等输入变量探索请求图的开发者，可通过 --input_variables 为图生成提供键值对。
- 需要验证请求依赖图生成逻辑的维护者，可使用 poetry run pytest 运行仓库单元测试。
如何安装或部署这个 Agent？
准备带有 OPENAI_API_KEY 环境变量的 OpenAI 账户。安装 Poetry 依赖：poetry install。进入 Poetry 环境：poetry shell。若使用 Jupyter，再执行 poetry run ipython kernel install --user --name=integuru。CI 配置使用 Python 3.12。
如何使用这个 Agent？
先执行 poetry run python create_har.py，登录目标平台并完成目标操作，以生成 ./network_requests.har 和 ./cookies.json。然后执行 poetry run integuru --prompt "download utility bills" --model gpt-4o。可用 --har-path 和 --cookie-path 指定其他文件；需要完整代码时加入 --generate-code。仓库建议图生成使用支持函数调用的 gpt-4o，并说明在账户可用时，代码生成会自动切换至 o1-preview。
这个 Agent 有哪些优点和局限？
- 以真实浏览器网络请求为输入，可追踪 accountId、userId 等动态参数的上游来源，而非只复用单个固定请求。
- 会生成请求依赖图，并能把图中的请求转换为可运行的 Python 函数和集成代码。
- 提供明确的 CLI 参数，可替换 HAR、cookie 文件、最大步数并传入图生成变量。
- 请求和 cookie 数据说明为保存在本地的 network_requests.har 与 cookies.json 文件中。
- 这是公开发布的最早版本；仓库明确表示最新版本位于 integuru.com。
- 需要用户亲自在浏览器中登录并执行目标操作，且要处理目的站点的 2FA 后取得会话相关令牌。
- 依赖 OpenAI API 密钥和云端 GPT-4o、o1-preview 等模型，模型可用性受账户权限影响。
- 输入变量目前仅支持图生成，README 明确表示代码生成的输入变量支持仍在后续计划中。
这个 Agent 与同类方案有什么区别？
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|
| Integuru v0 当前 | 24 · 缺口较多 | ★ 4.8k | 4 个月前 | Python | OpenAI API |
| Hello-Agents 智能体教程 | 54 · 缺口较多 | ★ 81k | 1 天前 | Python | OpenAI API |
| Lagent 轻量级智能体框架 | 43 · 缺口较多 | ★ 2.3k | 10 天前 | Python | OpenAI API |
| OpenEvolve | 40 · 缺口较多 | ★ 7.4k | 2 个月前 | Python | Claude Code · OpenAI API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：仓库未提供权限管理、用户确认、数据流透明、敏感数据处理、依赖安全、外部影响、回滚或来源归属的机制。README仅提及本地存储HAR和cookies，但未说明权限最小化或用户确认。因此所有信任标准得分为0。
证据显示：README和pyproject.toml一致，但测试仅覆盖部分功能，且未提供失败消息处理。依赖在pyproject.toml中列出，但未验证可用性。因此自一致性得1，依赖可用性得1，失败消息得0。
证据显示：README描述了目标用户（开发者）和场景（逆向工程API），但未明确能力边界。触发方式通过CLI参数，但精度未验证。环境要求Python 3.12和OpenAI API，但未说明其他环境适配。因此各得1。
证据显示：README提供了安装和使用说明，但缺少版本变更日志和已知限制的详细说明。许可证为AGPL-3.0，但未提及维护责任。因此信息架构得1，安装说明得2，命名稳定性得1，示例和FAQ得1，已知限制得1，许可证得2，版本变更日志得0，维护责任得1。
证据显示：输出为可运行的Python代码，但未验证其可用性。边际价值高，因为填补了无官方API的集成空白，但成本效益未评估。因此输出可用性得1，边际价值得2，成本效益得1。
证据显示：README中的声明与代码部分对应，但缺乏外部来源佐证。事实与推断未明确区分。因此声明可追溯性得1，跨来源佐证得0，事实推断分离得1。
- 源码中未见：最小权限约束只授予完成任务所需的权限：用专用账号或只读令牌，并限定可访问的目录和仓库。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 源码中未见：数据流向说明运行时观察它连接了哪些外部服务（代理或防火墙日志）；弄清数据去向之前不要输入敏感数据。
- 源码中未见：敏感信息处理使用专用、低权限、可随时吊销的 API 密钥，不要复用生产凭据，也不要让密钥出现在日志里。
- 源码中未见：依赖安全审查安装前固定版本并做一次依赖扫描（如 npm audit、pip-audit）；优先放在容器里运行。
- 源码中未见：外部影响披露先弄清它会写入、发送或修改哪些外部系统，用测试账号或测试仓库验证后再接入正式环境。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 源码中未见：来源归属可核验从官方仓库或包源安装，核对发布者和仓库地址，避免同名仿冒包。
- 该工具会收集并存储用户的cookies和网络请求数据，存在敏感信息泄露风险，应确保本地存储安全。
- 该工具依赖OpenAI云服务，可能将数据发送至第三方，用户需了解隐私影响。
- 该工具生成的代码可能违反目标平台的服务条款，使用前应评估法律风险。