Agent-E

Descrição

Agent-E é um sistema baseado em agentes projetado para automatizar ações dentro do navegador web de um usuário. Construído sobre o framework de agentes AG2, oferece uma interface de linguagem natural para interagir com sites. O sistema se concentra em permitir que os usuários automatizem uma ampla gama de tarefas baseadas na web, desde simples envios de formulários até pesquisas complexas de produtos de e-commerce e gerenciamento de reprodução de mídia.

Em sua essência, Agent-E utiliza uma arquitetura de habilidades e agentes. As habilidades representam ações atômicas, como clicar em elementos, inserir texto ou abrir URLs. Essas habilidades são orquestradas por agentes, principalmente um agente User Proxy que executa habilidades e um agente Browser Navigation responsável pelas interações web. Este design modular permite que Agent-E monte habilidades de forma flexível para criar fluxos de trabalho sofisticados de automação web. O sistema prioriza o uso de habilidades configuradas em vez de permitir que LLMs gerem código arbitrário, visando resultados mais seguros e previsíveis.

As principais capacidades incluem preencher formulários web, pesquisar e classificar produtos em plataformas de e-commerce como Amazon, localizar conteúdo específico em sites, navegar e controlar mídias web como vídeos do YouTube, realizar pesquisas web abrangentes e gerenciar tarefas em plataformas de gerenciamento de projetos. Agent-E também oferece recursos avançados através de seu agente web gerenciado e orquestrador, incluindo aprimoramentos empresariais, logging avançado, acesso baseado em função e infraestrutura escalável hospedada na nuvem.

O público-alvo para Agent-E inclui desenvolvedores, pesquisadores e usuários avançados que buscam automatizar tarefas repetitivas ou complexas baseadas na web. Sua proposta de valor reside em sua capacidade de traduzir comandos de linguagem natural em interações de navegador acionáveis, economizando tempo e reduzindo o esforço manual. O sistema também suporta personalização de parâmetros de LLM e oferece uma API para integração programática, tornando-o uma ferramenta versátil para várias necessidades de automação.

Agent-E fornece um guia de início rápido com scripts de instalação para macOS/Linux e Windows, seguido pela configuração de variáveis de ambiente. Os usuários podem executar Agent-E através de uma interface de linha de comando ou iniciar um servidor FastAPI para acesso a endpoints web, permitindo a execução programática de tarefas. O projeto também enfatiza a contribuição da comunidade e fornece recursos para relatar problemas e participar de discussões.

Recursos principais de Agent-E

• Automação web baseada em agentes

• Interface de linguagem natural para interação com o navegador

• Capacidades de preenchimento de formulários

• Pesquisa e classificação de produtos de e-commerce

• Localização e extração de conteúdo web

• Controle de reprodução de mídia web

• Funcionalidade abrangente de pesquisa web

• Gerenciamento de tarefas em plataformas como JIRA

• Wrapper FastAPI para acesso programático

• Parâmetros de LLM personalizáveis

• Suporte para LLMs de código aberto via LiteLLM e Ollama

• DOM Distillation para identificação eficiente de elementos

• Biblioteca de habilidades para capacidades de detecção e ação

Primeiros passos com Agent-E

1. 1

   Clone o repositório

2. 2

   Instale as dependências usando os scripts fornecidos (por exemplo, ./install.sh ou .\win_install.ps1)

3. 3

   Configure as variáveis de ambiente em .env e agents_llm_config.json

4. 4

   Execute Agent-E usando 'python -m ae.main' ou './run.sh'

5. 5

   Inicie o servidor FastAPI para acesso à API usando 'uvicorn ae.server.api_routes:app --reload --loop asyncio'

6. 6

   Execute tarefas via requisições HTTP POST para o endpoint da API

7. 7

   Personalize os parâmetros de LLM através de variáveis de ambiente ou arquivos de configuração JSON

Casos de uso de Agent-E

• Web Scraping
• Automação de E-commerce
• Preenchimento de Formulários
• Agregação de Conteúdo
• Gerenciamento de Tarefas
• Assistência Personalizada
• Integração de API

Perguntas frequentes de Agent-E

• O que é Agent-E?

  Agent-E é uma ferramenta de automação impulsionada por IA que usa um framework baseado em agentes para automatizar tarefas dentro de um navegador web, permitindo interação em linguagem natural com sites.

• Que tipo de tarefas web o Agent-E pode automatizar?

  Agent-E pode automatizar tarefas como preencher formulários web, pesquisar e classificar produtos em sites de e-commerce, localizar informações específicas em páginas web e gerenciar a reprodução de mídia web.

• Como instalo o Agent-E?

  Você pode instalar o Agent-E clonando o repositório GitHub e executando os scripts de instalação fornecidos para macOS/Linux ou Windows, seguido pela instalação de dependências e configuração do ambiente.

• O Agent-E pode ser usado programaticamente?

  Sim, Agent-E fornece um wrapper FastAPI que permite enviar comandos via requisições HTTP e receber resultados em streaming, permitindo a automação programática de tarefas.

• O Agent-E suporta LLMs de código aberto?

  Sim, Agent-E suporta o uso de modelos de código aberto através de LiteLLM e Ollama, permitindo que os usuários executem modelos de linguagem localmente em suas máquinas.

• Como o Agent-E lida com páginas web complexas?

  Agent-E usa DOM Distillation para reduzir o DOM HTML apenas aos elementos pertinentes à tarefa do usuário, entregando um snapshot JSON mais digerível para LLMs.

• Quais são os principais agentes no Agent-E?

  Os principais agentes são o agente User Proxy, que executa habilidades, e o agente Browser Navigation, que incorpora todas as habilidades para interagir com o navegador web.

• Como posso contribuir para o Agent-E?

  Você pode contribuir fazendo um fork do repositório, criando um novo branch para suas alterações, fazendo melhorias, executando testes e enviando um pull request. Discussões da comunidade são encorajadas no Discord.

• Quais são os planos futuros para o Agent-E?

  Os planos futuros incluem melhor tratamento de dropdowns, cache de tarefas, compatibilidade aprimorada com LLMs de código aberto e locais, tratamento de múltiplas abas e favoritos, tratamento de texto de PDF e compatibilidade com Google Suite.

• Como posso relatar um problema ou sugerir um recurso para o Agent-E?

  Você pode relatar bugs ou sugerir recursos abrindo um issue no rastreador de issues do GitHub do projeto. Informações detalhadas são apreciadas para uma resolução eficaz.