Opensteer

这个 Agent 能做什么，适合哪些场景？

Opensteer 是一个浏览器自动化框架，为 AI 智能体提供精简的 Python 命令接口以及可直接导入的辅助函数。它负责 CDP 通信、本地及云端浏览器连接、命名会话、标签页、截图、JavaScript 执行、点击、输入和滚动等底层能力。用户可通过 `opensteer -c` 执行短脚本，也可从 `opensteer.helpers` 导入函数编写可复用代码。项目目录则作为专用 harness，容纳 `AGENTS.md`、选择器、数据、API 客户端和自定义 Python 函数，使通用浏览器能力适配具体业务流程。它可以连接本地 Chrome 或 Edge，也能在配置 `OPENSTEER_API_KEY` 后连接 Opensteer Cloud 浏览器；浏览器传输位置与会话创建行为均可显式控制。

典型流程从 opensteer -c 执行 Python 片段开始：通过 open_browser()、use_browser() 或 list_browsers() 创建、选择或查看浏览器，随后用 new_tab() 和 wait_for_load() 打开并等待页面。智能体可调用 page_info() 检查页面，使用 goto_url()、click_at_xy()、type_text()、滚动及标签页操作与页面交互，也可通过 js() 执行 JavaScript、调用原始 CDP 方法或捕获截图。多个浏览器同时运行时，代码保留 open_browser() 返回的句柄，并通过可读标签区分会话。对于专用工作流，当前目录中的 tools.py、selectors.py、数据文件和 Markdown 指令提供领域逻辑，命令可直接导入这些本地模块并输出函数返回值、页面信息或截图。执行边界可选本地应用中的 auto、inapp、local 或 cloud；云端执行仅支持 auto 和 cloud。

1. 需要让 AI 智能体在 Chrome 或 Edge 中导航、点击、输入并读取页面状态的自动化开发者。
2. 为客服系统构建专用 harness 的团队，可将客户页面操作封装在 tools.py 中。
3. 需要通过 JavaScript、截图和原始 CDP 方法检查网页行为的 QA 或浏览器测试团队。
4. 希望用命名会话分别保持研究、工作或不同网站浏览器上下文的多任务智能体开发者。
5. 需要让多个销售、数据录入或研究工作流共享浏览器底层能力，同时各自维护选择器和数据的团队。

如何安装或部署这个 Agent？

在 shell 中运行官方安装脚本：

curl -fsSL https://opensteer.com/install.sh | sh

安装后执行诊断，并尝试读取当前页面：

opensteer --doctor
opensteer -c "print(page_info())"

如果本地浏览器尚未允许远程调试，运行设置向导；它会引导 Chrome 或 Edge 为当前配置文件启用远程调试：

opensteer --setup

只有使用 Opensteer Cloud 浏览器时才需要配置 OPENSTEER_API_KEY；来源没有提供该变量的具体赋值命令。

如何使用这个 Agent？

打开网页、等待加载并打印页面信息：

opensteer -c "new_tab('https://example.com'); wait_for_load(); print(page_info())"

在可复用 Python 代码中导入浏览器辅助函数：

from opensteer.helpers import goto_url, js, click_at_xy, type_text, wait_for_load

同时使用多个浏览器时，保存返回的句柄：

opensteer -c "linkedin = open_browser(label='linkedin', profile='fresh'); linkedin.new_tab('https://linkedin.com')"

配置 OPENSTEER_API_KEY 后，可以创建或连接云端浏览器：

opensteer -c "open_browser(label='research', profile='fresh'); new_tab('https://example.com')"

opensteer -c "browser = open_browser(label='work', profileId='bp_...'); print(browser.page_info())"

若只想查看或选择现有浏览器而不新建会话：

opensteer -c "print(list_browsers())"
opensteer -c "research = use_browser('research'); research.new_tab('https://example.com')"

本地执行的智能体也可以明确请求云端浏览器：

opensteer -c "open_browser(label='research', profile='fresh', location='cloud')"

专用 harness 可在工作目录中定义函数并由 CLI 直接导入：

# tools.py
from opensteer.helpers import goto_url, js, type_text, wait_for_load


def open_customer(customer_id):
    goto_url(f"https://support.example.com/customers/{customer_id}")
    wait_for_load()
    return js("document.title")

cd support-harness
opensteer -c "from tools import open_customer; print(open_customer('cus_123'))"

这个 Agent 有哪些优点和局限？

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。

FollowAgents 如何评估这个 Agent？

常见问题