WebUI for Browser Use

项目介绍

WebUI for Browser Use 是一个功能丰富的项目，它构建了一个基于 Gradio 的用户界面，方便用户与浏览器智能体进行交互。项目集成了多种大型语言模型，如 Google、OpenAI、Azure OpenAI、Anthropic、DeepSeek、Ollama 等，为用户提供了多样化的选择。同时，支持用户使用自己的浏览器，避免了重新登录和认证的麻烦，还能进行高清屏幕录制。此外，项目还允许用户保持浏览器窗口在 AI 任务之间的开启状态，便于查看完整的交互历史和状态。

主要功能

WebUI 界面：基于 Gradio 构建，用户友好，支持大部分浏览器使用功能，方便与浏览器智能体交互。 多 LLM 支持：集成了 Google、OpenAI、Azure OpenAI、Anthropic、DeepSeek、Ollama 等多种大型语言模型，并计划添加更多支持。 自定义浏览器：用户可以使用自己的浏览器，无需重新登录网站，支持高清屏幕录制。 持久化会话：可以选择保持浏览器窗口在 AI 任务之间的开启状态，查看完整的交互历史和状态。 丰富的操作指令：支持点击元素、提取页面内容、导航到指定 URL、输入文本、复制粘贴等多种操作。

应用场景

数据收集：自动化地从网页上提取所需的数据，如新闻文章、产品信息等。 网页测试：模拟用户在网页上的各种操作，进行功能测试和兼容性测试。 信息检索：根据用户的需求，在网页上搜索并获取相关信息。 表单填写：自动填写网页上的表单，提高工作效率。 自动化流程：实现一系列的网页操作自动化，如登录、导航、数据提交等。

常见问题

问题 1：这个项目支持哪些大型语言模型？ 答：该项目集成了多种大型语言模型，包括 Google、OpenAI、Azure OpenAI、Anthropic、DeepSeek、Ollama 等，并且计划在未来添加更多的模型支持。

问题 2：我可以使用自己的浏览器来运行这个项目吗？ 答：可以，项目支持用户使用自己的浏览器，这样可以避免重新登录网站和处理其他认证问题，同时还支持高清屏幕录制。

问题 3：项目的 WebUI 界面容易使用吗？ 答：是的，WebUI 基于 Gradio 构建，设计得非常用户友好，即使是没有技术背景的用户也能轻松地与浏览器智能体进行交互。

问题 4：在执行任务时，浏览器窗口可以保持打开吗？ 答：可以，你可以选择保持浏览器窗口在 AI 任务之间的开启状态，这样就能查看完整的交互历史和状态。

问题 5：项目支持哪些类型的操作？ 答：项目支持多种操作，如点击元素、提取页面内容、导航到指定 URL、输入文本、复制粘贴等，还可以根据任务需求组合这些操作。