ToolNavs 发现实用AI工具
提交工具 登录
返回AI资讯
LangChain托管智能体长出浏览器:登录卡住就交回给人

LangChain托管智能体长出浏览器:登录卡住就交回给人

AI资讯 • Admin • • 13 次浏览

LangChain在2026年10月29日发布了Managed Deep Agents v0.10公开测试版。最主要的改动看起来不起眼,却很关键:托管智能体有了自己的浏览器。原因在于所有API策略都会留下一个缺口——很多网站是为会点击、填表、读页面的人设计的,而不是为干净的接口设计的。没有API的地方,智能体过去只能旁观。

浏览器给了智能体什么

浏览器在LangSmith沙箱里远程运行,与智能体隔离,不在用户本机上。开发者声明一个浏览器后,智能体自动获得四个工具。

工具作用
browser_snapshot读取页面的无障碍树并分配元素编号
browser_run通过JavaScript或按快照编号批量执行操作,完成导航与交互
browser_screenshot把页面截成图片,必要时保存
browser_handoff把窗口交回给人,用于登录或二次验证

关键在于批量执行:browser_run可以把打开、填写、点击、核对打包进一次调用,而不是每个动作都付一次模型请求。长任务因此更快,进入模型工作上下文的页面内容也更少。默认情况下,每段对话拥有自己的浏览器,跨轮次复用,且不带其他对话的Cookie或登录状态;另一种配置是每位用户一个浏览器,登录状态跨所有对话保留,只需登录一次。

登录为什么还是要交回给人

智能体撞上登录墙或二次验证提示时,会调用browser_handoff并说明需要帮助的原因。人在LangSmith Studio里通过交互式浏览器卡片完成登录,再把控制权交回去,智能体随后在已登录的浏览器里继续工作。交接链接15分钟后过期,同样的交接在Slack等渠道里也能用。这是一条有意划出的边界:凭证与验证留在人手里,而不是让智能体去猜密码或存密码。

另一项改动面向长时任务:异步子智能体,以及记录每条对话从何开始、有哪些参与者的runtime.thread新记录。再加上应用测试用的私有连接——智能体在自己的沙箱里启动应用,再经由localhost把浏览器指过去,不需要公开网址——用途就很清楚了:去做那些没有API的网页任务,或者像用户一样点一遍应用来测试。作为首个性能说法,LangChain引用了自己的测试:真实网站上的100个WebVoyager任务完成了90%,总花费1.98美元。这是厂商数字,LangChain承诺下周会更详细地说明测试与调优过程。真正要评估它的人,应该等独立复现结果出来,再把浏览器智能体放进关键业务流程。

推荐工具

更多