steel-browser

Steel是一个开源浏览器 API，可以轻松构建与 Web 交互的 AI 应用程序和代理。您无需从头开始构建自动化基础设施，而是可以专注于 AI 应用程序，而 Steel 会处理复杂性。

此存储库是 Steel 背后的核心构建块，Steel 是一个生产就绪的容器化浏览器沙盒，您可以将其部署在任何地方。它包括内置的隐身功能、文本到 markdown 会话管理、用于查看/调试会话的 UI 以及通过 Puppeteer、Playwright 和 Selenium 🔥 等标准自动化框架进行的全面浏览器控制

Steel 处于公开测试阶段，并且每天都在发展。您的建议、想法和报告的错误对我们有很大帮助。不要犹豫，加入 Discord 上的对话或提出 GitHub 问题。我们阅读所有内容，回复大多数人，并爱您。

主要功能

它提供了一个 REST API 来控制、运行和管理生产就绪的浏览器环境。在后台，它管理浏览器实例、会话和页面，允许您以编程方式执行复杂的浏览任务，而不会遇到任何麻烦：steel-browser

完全浏览器控制：使用 Puppeteer 和 CDP 完全控制 Chrome 实例 - 允许您使用 Puppeteer、Playwright 或 Selenium 进行连接。
会话管理：跨请求维护浏览器状态、Cookie 和本地存储
代理支持：用于 IP 轮换的内置代理链管理
扩展支持：加载自定义 Chrome 扩展以增强功能
调试工具：内置请求日志记录和会话记录功能
防检测：包括隐身插件和指纹管理
资源管理：自动清理和浏览器生命周期管理
浏览器工具：公开 API 以快速将页面转换为 Markdown、可读性、屏幕截图或 PDF。

有关详细的 API 文档和示例，请查看我们的 API 参考或直接在上浏览 Swagger UI。http://0.0.0.0:3000/documentation

安装和使用

最快的入门方法是构建并运行 Docker 镜像：

# Clone and build the Docker image
git clone https://github.com/steel-dev/steel-browser
cd steel-browser
docker compose up

或者，如果您安装了 Node.js 和 Chrome，则可以直接运行服务器：

npm run install
npm run dev

这将在端口 3000 上启动 Steel 服务器。

确保您已安装 Chrome 可执行文件并位于以下路径之一中：

Linux的：/usr/bin/google-chrome
MacOS：/Applications/Google Chrome.app/Contents/MacOS/Google Chrome
Windows （窗口）：
- C:\Program Files\Google\Chrome\Application\chrome.exe或
- C:\Program Files (x86)\Google\Chrome\Application\chrome.exe

有关检查位置的更多详细信息，请查看 api/src/utils/browser.ts。

用法

Steel 浏览器提供了一个 REST API 来控制由 Puppeteer 提供支持的无头浏览器。在后台，它管理浏览器实例、会话和页面，允许您以编程方式执行复杂的浏览任务。

完整的 REST API 文档可在 Steel 实例上找到，网址为（例如，）。/documentationhttp://0.0.0.0:3000/documentation

Steel 提供了三种主要方式让您的代理执行浏览器自动化：

快速操作 API

、和端点允许您使用正在运行的 Steel 服务器从任何网页中快速提取干净、格式良好的数据。非常适合简单的只读按需作业：/scrape/screenshot/pdf

抓取网页

提取网页的 HTML 内容。

# Example using the Actions API
curl -X POST http://0.0.0.0:3000/v1/scrape \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://example.com",
    "waitFor": 1000
  }'

截取屏幕截图

截取网页的屏幕截图。

# Example using the Actions API
curl -X POST http://0.0.0.0:3000/v1/screenshot \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://example.com",
    "fullPage": true
  }' --output screenshot.png

浏览器会话 API

浏览器会话 API 允许您使用自定义选项或扩展（例如，使用自定义代理）重新启动浏览器，还可以重置浏览器状态。非常适合需要精细控制的复杂、有状态的工作流：

# Launch a new browser session
curl -X POST http://0.0.0.0:3000/v1/sessions \
  -H "Content-Type: application/json" \
  -d '{
    "options": {
      "proxy": "user:pass@host:port",
      // Custom launch options
    }
  }'

Selenium 集成

**注意：**此集成不支持基于 CDP 的浏览器会话 API 的所有功能。

对于具有现有 Selenium 工作流的团队，Steel 浏览器提供了一个直接替代品，可在保持兼容性的同时添加增强功能：

# Launch a Selenium session
curl -X POST http://0.0.0.0:3000/v1/selenium/launch \
  -H "Content-Type: application/json" \
  -d '{
    "options": {
      // Selenium-compatible options
    }
  }'

Selenium API 与 Selenium 的 WebDriver 协议完全兼容，因此您可以使用任何现有的 Selenium 客户端连接到 Steel 浏览器。

// Example using the Selenium API
const builder = new Builder()
      .forBrowser("chrome")
      .usingServer(
        `http://0.0.0.0:3000/selenium`
      );

const driver = await builder.build();

console.log("Navigating to Google");
await driver.get("https://www.google.com");

// The rest of your Selenium code here...

更多...

小众AI