Stagehand

什么是 Stagehand？

Stagehand 是一个用于构建浏览器代理的开源 SDK。它在提供类似 Playwright 的浏览器控制能力的同时，还提供 act、observe 和 extract 等自然语言原语，使代理能够浏览页面、执行任务并返回结构化信息。

该 SDK 支持 TypeScript、Python 和 Go。其文档化工作流将 goto、click、locator 和 screenshot 等常规浏览器操作，与代理驱动的操作和基于架构的提取相结合。Stagehand 适用于浏览器自动化场景，在这些场景中，需要将模型的灵活性与对页面和浏览器运行时的控制结合起来。

Stagehand 能做什么？

Playwright 风格的浏览器 API

使用 `goto`、`click`、`locator` 和 `screenshot` 等熟悉的方法，让已经使用 Playwright 风格自动化的开发者能够快速上手该 SDK。

自然语言浏览器操作

`act`、`observe` 和 `extract` 原语让代理能够使用自然语言描述操作和页面观察结果，而不必仅依赖固定选择器。

自愈操作

当网站发生变化时，Stagehand 可以检测选择器变化并更新操作执行方式，帮助现有浏览器任务从页面更新中恢复。

结构化数据提取

按照架构提取页面信息，例如 TypeScript 示例会将故事标题和得分总数作为结构化结果返回。

面向代理的浏览器上下文

该 SDK 使用无障碍树裁剪，为代理提供更有针对性的页面上下文，并减少浏览器交互过程中的不必要信息。

支持复杂浏览器功能

网站列出了对嵌套 iframe、关闭式 Shadow DOM、WebMCP、剪贴板操作、批量命令和 OpenTelemetry 的支持。

使用场景

“自然语言页面自动化”

构建能够浏览网站并执行指定任务的代理，例如在新闻网站上为排名第一的故事点赞，同时在代码中保留直接的浏览器控制能力。

“结构化网页研究”

将选定的页面数据收集到定义好的架构中，例如从新闻页面提取排名前五的故事及其得分总数。

“订单状态工作流”

自动化执行检查订单配送状态等任务的浏览器交互，这是项目介绍材料中重点展示的示例。

“浏览器代理基准测试”

参考项目的评估工作，通过准确率、速度和成本来评估浏览器代理；也可以使用指定的模型、测试工具和基准运行评估。

常见问题

Stagehand 用于什么？

Stagehand 用于构建浏览器代理，使其能够浏览网页、执行自然语言描述的操作、观察页面内容并提取结构化数据。

Stagehand 支持哪些编程语言？

网站介绍了适用于 TypeScript、Python 和 Go 的 Stagehand。文档中的快速入门使用 TypeScript。

典型的 Stagehand 工作流如何运行？

典型工作流会创建一个 Stagehand 实例，获取当前页面，使用 `goto` 等浏览器方法进行导航，使用 `act` 执行操作，使用架构提取数据，然后关闭会话。

Stagehand 可以返回结构化数据吗？

可以。文档示例使用带架构的 `extract`，并返回包含标题和得分等字段的类型化故事数据。

支持哪些浏览器结构和功能？

网站列出了对嵌套或进程外 iframe、关闭式 Shadow DOM、WebMCP、剪贴板操作、批量命令和 OpenTelemetry 的支持。