Web Agent

Web Agent 代码逻辑详细说明

项目概述

Web Agent 是一个基于 OpenAI GPT 和 Playwright 的自动化网页浏览和任务执行工具。它能够模拟人类浏览网页，执行各种操作如点击、输入文本、滚动页面等，并使用 GPT 模型来理解网页内容和做出决策。

GitHub 仓库地址：https://github.com/531619091/web_agent/tree/main

主要组件

1. OpenAI GPT：用于理解任务、分析网页内容和决定下一步操作。
2. Playwright：用于自动化浏览器操作。
3. 自定义工具函数：用于执行具体的浏览器操作，如点击、输入文本等。

工作流程

否

是

开始

初始化浏览器

导航到起始页面

执行Web Agent循环

是否找到答案或达到最大步骤?

标记页面元素

获取页面信息