基于浏览器的页面读取
在真实的 Chromium 浏览器中、JavaScript 执行完成后访问 URL，因此返回结果反映的是渲染后的页面，而不是原始 HTML。
Manifest
认领Manifest 是一款 API，可将网页转换为供 AI 代理使用的结构化 JSON 动作地图。帮助开发者了解页面可执行哪些操作、所需字段及动作前置条件。
概述
Manifest 是一款 API，可将网页转换为供 AI 代理使用的结构化动作地图。与其让代理从截图或原始页面文本中推断它能点击或填写什么，不如直接返回一个 JSON manifest，描述可用操作、所需字段以及围绕这些操作的页面导航。
该产品面向需要与真实网站交互的开发者。网站将 Manifest 定位为浏览器访问与任务执行之间的一层：它识别按钮、输入框、表单和依赖关系，使代理无需依赖手写选择器，也能理解页面并对其执行操作。
Manifest 的功能
可访问性树分析
使用可访问性树以与辅助技术相同的方式识别元素，帮助理解页面中有哪些控件以及它们的用途。
DOM 交叉检查
交叉参考 DOM，以捕获可访问性树可能遗漏的细节，包括必填字段、输入类型、占位符、禁用状态和依赖关系。
结构化动作输出
返回结构化的 JSON manifest，其中包含动作、要求、依赖关系和导航信息，代理可直接消费。
确定性定位器解析
在模型识别动作后，以确定性方式解析定位器，并将歧义匹配标记为不确定，而不是猜测。
可直接用于 API 的工作流
提供带有身份验证、健康状态和会话状态端点，以及针对重复 URL 请求的缓存机制的文档化 API。
Manifest 的适用场景
代理页面理解
当代理需要在尝试操作之前确定网页上有哪些可用控件以及每个控件的作用时，使用 Manifest。
表单填写流程
用于填写和提交表单等工作流，此时代理必须知道哪些字段是必填项，以及提交按钮是否依赖这些字段。
了解导航的代理
在构建需要跟随站点导航，同时以结构化方式跟踪页面交互元素的系统时使用。
无选择器自动化
用于减少对手工维护的 CSS 选择器的依赖，尤其适合经常改版、容易导致脆弱自动化失效的网站。
Pros and Cons
Pros
- 将一个 URL 转换为描述可用动作和必需输入的结构化 JSON。
- 使用真实浏览器以及可访问性树和 DOM 细节，比纯文本提取更具体。
- 包含依赖信息，例如在提交动作有效之前必须先完成的字段。
- 记录了身份验证、速率限制、缓存、健康状态和会话状态端点。
- 面向页面会随时间变化、选择器容易失效的代理工作流。
Cons
- 源内容没有展示集成列表或打包连接器，因此除 API 之外的设置细节并不清楚。
- 文档提到歧义匹配可能会被标记为不确定，这意味着并非每个页面元素都能保证被清晰解析。
FAQ
Manifest 是什么类型的产品？
Manifest 是一款供开发者使用的工具，可将网页转换为供 AI 代理读取的结构化动作。它面向需要与真实页面交互的代理，而不仅仅是读取文本。
Manifest 的 API 大致如何工作？
文档展示了一个 POST /manifest 端点，接收一个 URL，并返回包含页面状态、可用操作和导航链接的 JSON 响应。
Manifest 在响应中返回什么？
输出包含诸如动作、其标签和类型、是否必需，以及必须先完成的动作依赖信息等字段。
是否有记录任何运行限制或错误情况？
源内容描述了 Browser session unavailable 错误，并说明该 API 默认使用 6 小时缓存，在此时间窗口内的重复请求会直接从缓存返回。
Manifest 面向哪些用户？
关于页面说明称 Omfang AB 是一家瑞典小公司，正在构建面向 agentic web 的基础设施，而 Manifest 旨在帮助与网页交互的 AI 代理开发者。
Quick Facts
- 类别
- 开发者工具
- 主要用户
- 构建 AI 代理的开发者
- 产品形式
- API
- 核心输出
- 结构化 JSON 动作 manifest
- 网站
- omfang.io
- 公司
- Omfang AB