浏览器基础

Browserbase 是一个开发者平台，用于可靠地运行、管理和监控无头浏览器。

使用以下功能为您的 AI 数据检索提供动力：

• 无服务器基础设施 提供可靠的浏览器，以从复杂的 UI 中提取数据
• 隐身模式 包含指纹战术和自动验证码解决
• 会话调试器 用于检查您的浏览器会话，包括网络时间轴和日志
• 实时调试 帮助您快速调试您的自动化

安装和设置

• 从 browserbase.com 获取 API 密钥和项目 ID，并将其设置在环境变量中 (BROWSERBASE_API_KEY、BROWSERBASE_PROJECT_ID)。
• 安装 Browserbase SDK

%pip install browserbase

加载文档

您可以使用 BrowserbaseLoader 将网页加载到 LangChain 中。 您可以选择设置 text_content 参数，将页面转换为纯文本表示形式。

from langchain_community.document_loaders import BrowserbaseLoader

API 参考：BrowserbaseLoader

loader = BrowserbaseLoader(
    urls=[
        "https://example.com",
    ],
    # Text mode
    text_content=False,
)

docs = loader.load()
print(docs[0].page_content[:61])

加载程序选项

• urls 必填。 要获取的 URL 列表。
• text_content 仅检索文本内容。 默认为 False。
• api_key 可选。 Browserbase API 密钥。 默认为 BROWSERBASE_API_KEY 环境变量。
• project_id 可选。 Browserbase 项目 ID。 默认为 BROWSERBASE_PROJECT_ID 环境变量。
• session_id 可选。 提供现有会话 ID。
• proxy 可选。 启用/禁用代理。

加载图像

您还可以加载网页的屏幕截图（作为字节），用于多模式模型。

使用 GPT-4V 的完整示例

from browserbase import Browserbase
from browserbase.helpers.gpt4 import GPT4VImage, GPT4VImageDetail
from langchain_core.messages import HumanMessage
from langchain_openai import ChatOpenAI

chat = ChatOpenAI(model="gpt-4-vision-preview", max_tokens=256)
browser = Browserbase()

screenshot = browser.screenshot("https://browserbase.com")

result = chat.invoke(
    [
        HumanMessage(
            content=[
                {"type": "text", "text": "What color is the logo?"},
                GPT4VImage(screenshot, GPT4VImageDetail.auto),
            ]
        )
    ]
)

print(result.content)

API 参考：HumanMessage | ChatOpenAI

相关

• 文档加载程序 概念指南
• 文档加载程序 操作指南