Stagehand: Doğal Dille Konuşan AI Destekli Tarayıcı Otomasyonu
Stagehand, AI ile doğal dil talimatlarını gerçek zamanlı olarak deterministik tarayıcı eylemlerine dönüştüren açık kaynaklı otomasyon SDK'sı.
Stagehand, Browserbase'in geliştirdiği açık kaynaklı bir tarayıcı otomasyon SDK'sı olarak, sabit CSS seçicilerinin kırılganlığı ile tamamen otonom ajanların öngörülemezliği arasında üçüncü bir yol sunuyor. Geliştirici düz İngilizce bir talimat yazıyor ("satın al butonuna tıkla"), bir yapay zeka bunu çalışma zamanında sayfadaki gerçek elemana çözümlüyor, ardından deterministik kod tıklamayı gerçekleştiriyor. MIT lisanslı proje 23.000'den fazla GitHub yıldızına ulaşmış durumda.
Çerçeve, act, extract, observe ve agent olmak üzere dört fiil etrafında kuruluyor. İlk üçü hassasiyet odaklı: act tek bir adımı yürütüyor, extract Zod şeması ile doğrulanmış tipli veri çıkarıyor, observe ise geri dönüşü olmayan bir işlem yapmadan önce sayfadaki tıklanabilir elemanları listeliyor. agent ise bir hedef verildiğinde gözlemle-karar ver-uygula döngüsünü otonom şekilde tekrarlıyor, isteğe bağlı olarak computer-use modelleriyle çalışabiliyor.
Stagehand modele sayfanın ekran görüntüsünü ya da ham HTML'sini göndermek yerine, ekran okuyucular için tarayıcının zaten tuttuğu erişilebilirlik ağacını kullanıyor - bu da DOM'a göre çok daha küçük ve rol/etiket temelli bir temsil sağlıyor. Şifre gibi hassas veriler için yer tutucu değişkenler sunularak gerçek değerlerin modele hiç gönderilmemesi sağlanıyor. Mühendisler için önemi açık: sayfa değişikliklerine dayanıklı, hata ayıklanabilir ve token maliyeti kontrol altında tutulabilen bir otomasyon modeli sunuyor.