Browserbasierte autonome Agenten (Browser Use / Web Agents)
Technologie zur autonomen Steuerung von Webbrowsern (Browser Use, Playwright AI, Puppeteer). Der Agent öffnet Websites eigenständig, interagiert mit Elementen des DOM-Baums, scrollt durch Seiten, extrahiert dynamische Daten und führt mehrstufige Aufgaben ohne offizielle APIs aus.
1. Überblick über das Konzept und den Zweck
Erinnern Sie sich an Ihre routinemäßigen Aufgaben im Internet:
- Besuchen Sie fünf Online-Shop-Seiten, um die Preise für denselben Laptop zu vergleichen.
- Füllen Sie ein langweiliges Visumantragsformular mit 20 Feldern auf einem Regierungsportal aus.
- Suchen Sie auf OLX oder eBay nach einem seltenen Ersatzteil mit spezifischen Preisfiltern und senden Sie dem Verkäufer eine Nachricht.
Dies ist ermüdende mechanische Arbeit, die Stunden in Anspruch nimmt.
Browser-Autonomous Agents (Browser Agents) sind eine spezielle Klasse von AI-Agenten, die ausschließlich dafür konzipiert sind, im Web-Browser zu leben:
- Sie öffnen Chrome oder Chromium im Hintergrundmodus.
- Sie geben Website-Adressen ein, scrollen durch Seiten und warten auf das Laden von Bildern.
- Sie verstehen, wo sich das Suchfeld befindet, geben Text ein und drücken Enter.
Praktische Analogie: Ihr persönlicher Internet-Sekretär, dem Sie Aufträge in freier Form erteilen und dann Ihr Notebook zuklappen.
2. Wie ein Browser-Agent sich auf einer Webseite orientiert
┌─────────────────────────────────────────────────────────────┐
│ ЯК БРАУЗЕРНИЙ АГЕНТ БАЧИТЬ САЙТ │
├─────────────────────────────────────────────────────────────┤
│ Сторінка маркується числовими бейджами для ШІ: │
│ │
│ [1] Головна [2] Каталог [3] Пошук: [___________] │
│ │
│ Товар: Навушники Sony WH-1000XM5 │
│ Ціна: 14 999 грн │
│ [4] Кнопка «Купити в 1 клік» │
├─────────────────────────────────────────────────────────────┤
│ 🧠 РІШЕННЯ АГЕНТА: │
│ «Ціна підходить під бюджет користувача (до 16k). │
│ Виконую дію: click_element(4)» │
├─────────────────────────────────────────────────────────────┤
│ 🛒 РЕЗУЛЬТАТ: Товар додано у кошик за 0.5 секунди! │
└─────────────────────────────────────────────────────────────┘
3. Hauptanwendungsfälle
- Tiefgehende Preis- und Marktüberwachung: Tägliche Erfassung von Immobilienpreisen, Mietkosten für Wohnungen oder Wechselkursen von Websites ohne offene API.
- Automatisierung des Routine-Einkaufs: Bestellung der wöchentlichen Lebensmittelpackung im Supermarkt basierend auf einer Notizliste.
- Kandidaten-Hunting und Lead-Generierung: Suche nach Fachkräften auf LinkedIn anhand einer Liste von Schlüsselqualifikationen und Speichern der Kontaktdaten in einer Tabelle.
4. Praktisches Fazit
Tools wie Browser-Use oder Erweiterungen für Chrome haben bewiesen: Wenn eine Website über eine Web-Oberfläche verfügt, ist sie bereits für künstliche Intelligenz zugänglich. Die Ära des manuellen Copy-Pastes von Informationen aus dem Browser in Dateien ist endgültig vorbei.
FAQ: Browserbasierte autonome Agenten (Browser Use / Web Agents)
Verwandte Begriffe
Steuerung des Computers durch KI (Computer Use)
Eine Technologie von Anthropic (vorgestellt in den Modellen Claude 3.5 Sonnet), die es neuronalen Netzen ermöglicht, das Betriebssystem wie ein Mensch zu steuern: Bildschirm-Screenshots erstellen, Fensterkoordinaten analysieren, den Mauszeiger bewegen, auf Schaltflächen klicken und Text eingeben – ohne Verwendung spezieller APIs.
KI-Agenten (Autonome Agenten)
Ein autonomes System auf Basis eines großen Sprachmodells, das nicht nur auf Nachrichten antwortet, sondern eigenständig eine Abfolge von Aktionen plant, externe Tools (Browser, Terminal, Datenbanken) nutzt und komplexe Aufgaben ohne ständige menschliche Aufsicht ausführt.
Tool-Schemas (Tools & JSON Schema)
Standardisierter formaler Beschreibungsschnittstelle für Tools großer Sprachmodelle unter Verwendung des JSON-Schema-Standards. Enthält den Funktionsnamen, eine detaillierte textuelle Beschreibung ihres Zwecks, eine Liste der erforderlichen Parameter sowie die Wertetypen.