5.5k Stars! Nanobrowser: 基于多智能体架构的开源浏览器自动化工具（支持多LLM集成）

有没有想过，怎么能让AI自动操作浏览器，执行各种任务，这不，有一款开源工具就很适合。

Nanobrowser是一款开源的人工智能网络自动化工具，以Chrome4扩展程序的形式在浏览器中运行。它借助先进的多智能体人工智能系统，使用户能够通过自然语言指令实现复杂网络任务的自动化。

它可以作为OpenAI Operator的免费替代方案，具有灵活选择大语言模型（LLM）提供商以及完全本地掌控等额外优势。

这个扩展程序完全在浏览器内运行，确保您的数据和凭证私密。它能连接你所选的LLM提供商。

github地址：https://github.com/nanobrowser/nanobrowser

核心功能

Nanobrowser的功能主要围绕自动化基于网络的任务，这些任务通常需要手动导航和交互。该系统能够：

该系统对于重复性网络任务、研究活动以及数据收集工作流程尤其有价值，因为这些任务若手动执行通常耗时费力。

系统架构概述

Nanobrowser采用多智能体架构，由专门的人工智能智能体协作完成网络任务。此图展示了其宏观架构：

该架构包含三个主要组件：

1. 1. 用户界面：用户输入任务并查看结果的侧边栏
2. 2. 多智能体系统：核心智能部分，由三个专门的智能体组成
3. 3. 浏览器集成：使系统能够与网页交互的组件。
4. 

Nanobrowser的工作原理

Nanobrowser通过多智能体协作方式运行：

1. 1. 任务输入：用户在侧边栏输入自然语言指令
2. 2. 任务规划：规划智能体分析请求并制定详细计划
3. 3. 网页执行：导航智能体通过控制浏览器执行计划
4. 4. 结果验证：验证智能体验证任务是否正确完成
5. 5. 用户反馈：向用户展示结果，用户可提出后续问题

此序列图展示了组件之间典型的交互流程：

扩展组件

Chrome扩展程序架构由多个协同工作的关键组件构成：

LLM提供商集成

Nanobrowser支持配置如下模型：

• • OpenAI（GPT模型）
• • Anthropic（Claude模型）
• • Google（Gemini模型）
• • DeepSeek模型
• • Ollama（本地模型）
• • 自定义OpenAI兼容端点

用户可根据特定需求为不同智能体分配不同模型。例如，规划智能体可能使用专为推理优化的更强大模型，而导航智能体则可使用更快且更具成本效益的模型。

这种灵活性使用户能够根据自身特定需求、偏好和预算限制优化使用体验。

入门指南

1. 1. 从Chrome网上应用店安装扩展程序，或从GitHub发布页面手动安装。
   
   
   
2. 2. 打开扩展程序并导航至设置页面
3. 
   
   

1. 4. 选择每个智能体使用的模型。
2. 

1. 
   
2. 5. 返回主界面并开始输入任务。简单测试一下，“打开百度网页”，成功！
3. 

开发方式

Nanobrowser以单体仓库形式构建，采用模块化架构，具有可扩展性和易维护性。代码库分为几个关键目录：