Agent-E

Descripción

Agent-E es un sistema basado en agentes diseñado para automatizar acciones dentro del navegador web de un usuario. Construido sobre el marco de agentes AG2, ofrece una interfaz de lenguaje natural para interactuar con sitios web. El sistema se enfoca en permitir a los usuarios automatizar una amplia gama de tareas basadas en la web, desde envíos simples de formularios hasta búsquedas complejas de productos de comercio electrónico y gestión de reproducción de medios.

En su núcleo, Agent-E utiliza una arquitectura de habilidades y agentes. Las habilidades representan acciones atómicas, como hacer clic en elementos, ingresar texto o abrir URLs. Estas habilidades son orquestadas por agentes, principalmente un agente User Proxy que ejecuta habilidades y un agente Browser Navigation responsable de las interacciones web. Este diseño modular permite a Agent-E ensamblar de forma flexible habilidades para crear flujos de trabajo de automatización web sofisticados. El sistema prioriza el uso de habilidades configuradas sobre permitir que los LLM generen código arbitrario, apuntando a resultados más seguros y predecibles.

Las capacidades clave incluyen rellenar formularios web, buscar y ordenar productos en plataformas de comercio electrónico como Amazon, localizar contenido específico en sitios web, navegar y controlar medios web como videos de YouTube, realizar búsquedas web exhaustivas y gestionar tareas en plataformas de gestión de proyectos. Agent-E también ofrece funciones avanzadas a través de su agente web gestionado y orquestador, que incluyen mejoras empresariales, registro avanzado, acceso basado en roles e infraestructura escalable alojada en la nube.

La audiencia objetivo de Agent-E incluye desarrolladores, investigadores y usuarios avanzados que buscan automatizar tareas repetitivas o complejas basadas en la web. Su propuesta de valor radica en su capacidad para traducir comandos de lenguaje natural en interacciones de navegador accionables, ahorrando tiempo y reduciendo el esfuerzo manual. El sistema también admite la personalización de parámetros de LLM y ofrece una API para la integración programática, lo que lo convierte en una herramienta versátil para diversas necesidades de automatización.

Agent-E proporciona una guía de inicio rápido con scripts de instalación para macOS/Linux y Windows, seguida de la configuración de variables de entorno. Los usuarios pueden ejecutar Agent-E a través de una interfaz de línea de comandos o iniciar un servidor FastAPI para acceder a puntos finales web, lo que permite la ejecución programática de tareas. El proyecto también enfatiza la contribución comunitaria y proporciona recursos para informar problemas y participar en discusiones.

Características principales de Agent-E

• Automatización web impulsada por agentes

• Interfaz de lenguaje natural para interacción con el navegador

• Capacidades de llenado de formularios

• Búsqueda y ordenación de productos de comercio electrónico

• Localización y extracción de contenido web

• Control de reproducción de medios web

• Funcionalidad de búsqueda web completa

• Gestión de tareas en plataformas como JIRA

• Envoltorio FastAPI para acceso programático

• Parámetros de LLM personalizables

• Soporte para LLMs de código abierto a través de LiteLLM y Ollama

• DOM Distillation para identificación eficiente de elementos

• Biblioteca de habilidades para capacidades de detección y acción

Primeros pasos con Agent-E

1. 1

   Clonar el repositorio

2. 2

   Instalar dependencias usando los scripts proporcionados (ej. ./install.sh o .\win_install.ps1)

3. 3

   Configurar variables de entorno en .env y agents_llm_config.json

4. 4

   Ejecutar Agent-E usando 'python -m ae.main' o './run.sh'

5. 5

   Iniciar el servidor FastAPI para acceso a la API usando 'uvicorn ae.server.api_routes:app --reload --loop asyncio'

6. 6

   Ejecutar tareas a través de solicitudes HTTP POST al punto final de la API

7. 7

   Personalizar parámetros de LLM a través de variables de entorno o archivos de configuración JSON

Casos de uso de Agent-E

• Web Scraping
• Automatización de Comercio Electrónico
• Relleno de Formularios
• Agregación de Contenido
• Gestión de Tareas
• Asistencia Personalizada
• Integración de API

Preguntas frecuentes de Agent-E

• ¿Qué es Agent-E?

  Agent-E es una herramienta de automatización impulsada por IA que utiliza un marco basado en agentes para automatizar tareas dentro de un navegador web, permitiendo la interacción en lenguaje natural con sitios web.

• ¿Qué tipo de tareas web puede automatizar Agent-E?

  Agent-E puede automatizar tareas como rellenar formularios web, buscar y ordenar productos en sitios de comercio electrónico, localizar información específica en páginas web y gestionar la reproducción de medios web.

• ¿Cómo instalo Agent-E?

  Puedes instalar Agent-E clonando el repositorio de GitHub y ejecutando los scripts de instalación proporcionados para macOS/Linux o Windows, seguido de la instalación de dependencias y la configuración del entorno.

• ¿Se puede usar Agent-E de forma programática?

  Sí, Agent-E proporciona un envoltorio FastAPI que te permite enviar comandos a través de solicitudes HTTP y recibir resultados en streaming, permitiendo la automatización programática de tareas.

• ¿Agent-E soporta LLMs de código abierto?

  Sí, Agent-E soporta el uso de modelos de código abierto a través de LiteLLM y Ollama, permitiendo a los usuarios ejecutar modelos de lenguaje localmente en sus máquinas.

• ¿Cómo maneja Agent-E las páginas web complejas?

  Agent-E utiliza DOM Distillation para reducir el DOM HTML a solo los elementos pertinentes para la tarea del usuario, entregando una instantánea JSON más digerible para los LLMs.

• ¿Cuáles son los agentes principales en Agent-E?

  Los agentes principales son el agente User Proxy, que ejecuta habilidades, y el agente Browser Navigation, que encarna todas las habilidades para interactuar con el navegador web.

• ¿Cómo puedo contribuir a Agent-E?

  Puedes contribuir bifurcando el repositorio, creando una nueva rama para tus cambios, realizando mejoras, ejecutando pruebas y enviando una solicitud de extracción (pull request). Se fomenta la discusión comunitaria en Discord.

• ¿Cuáles son los planes futuros para Agent-E?

  Los planes futuros incluyen un mejor manejo de menús desplegables, caché de tareas, compatibilidad mejorada con LLMs de código abierto y locales, manejo de múltiples pestañas y marcadores, manejo de texto PDF y compatibilidad con Google Suite.

• ¿Cómo puedo reportar un problema o sugerir una característica para Agent-E?

  Puedes reportar errores o sugerir características abriendo un problema en el rastreador de problemas de GitHub del proyecto. Se agradece información detallada para una resolución efectiva.