bromate

برومات

Bromate هو مشروع تجريبي يستكشف قدرات سير عمل الوكيل لأتمتة تفاعلات متصفح الويب.

ملخص

يقوم Bromate بالاستفادة من قوة نماذج اللغة الكبيرة (LLMS) ، وتحديداً من Gemini من Google ، لفهم طلبات المستخدم المعبر عنها باللغة الطبيعية وترجمتها إلى سلسلة من الإجراءات التي تتم أتمتة مهام تصفح الويب.

إنه يستخدم السيلينيوم للتحكم في المتصفح والتفاعل ، مما يوفر طريقة سلسة لأتمتة سير العمل المعقدة داخل بيئة متصفح الويب.

المتطلبات الأساسية

قبل استخدام Bromate ، تحتاج إلى الحصول على مفتاح API من Google في Gemini API. يمكنك الحصول على مفتاح باتباع هذه الخطوات:

1. انتقل إلى Google AI Studio وانقر على "الحصول على مفتاح API".
2. اضبط المفتاح السري كمتغيرات بيئة في نظامك.

وضع مفتاح API في .env أثناء التطوير:

يمكنك تعيين مفتاح API في ملف .env في مستودع المشروع:

GOOGLE_API_KEY=YOUR_API_KEY

يمكنك التحقق مما إذا كان المفتاح تم تكوينه عن طريق كتابة echo $GOOGLE_API_KEY في قذيتك.

تثبيت

Bromate متاح على PYPI ويمكن تثبيته بسهولة باستخدام PIP:

pip install bromate

الاستخدام

لاستخدام Bromate ، يمكنك توفير استعلام لغة طبيعي يصف المهمة التي تريد أتمتة. سوف يتفاعل Bromate بعد ذلك مع الوكيل (Gemini) لتفسير الاستعلام وإنشاء سلسلة من الإجراءات التي سيتم تنفيذها بواسطة Selenium WebDriver.

مثال 1: اشترك في النشرة الإخبارية لمجتمع MLOPS:

bromate "افتح موقع https://mlops.sommunity. انقر على الرابط" Join ". اكتب العنوان" Hello@mlops ""

مثال 2: ابحث عن أحدث إصدار من لغة Python:

Bromate-interaction.stay_open = false-agent.name "Gemini-1.5-Pro-Latest" "انتقل إلى Python.org. انقر فوق صفحة التنزيلات. انقر على رابط PEP لإصدار Python المستقبلي. قم بتلخيص تواريخ الجدول".

الحجج

bromate -h
usage: bromate [-h] [--agent JSON] [--agent.api_key {SecretStr,null}] [--agent.name str] [--agent.temperature float] [--agent.candidate_count int]
               [--agent.max_output_tokens int] [--agent.system_instructions str] [--action JSON] [--action.sleep_time float] [--driver JSON]
               [--driver.name {Chrome,Firefox}] [--driver.keep_alive bool] [--driver.maximize_window bool] [--execution JSON] [--execution.stop_actions list[str]]
               [--execution.default_message str] [--interaction JSON] [--interaction.stay_open bool] [--interaction.interactive bool] [--interaction.max_interactions int]
               QUERY

Execute actions on web browser from a user query in natural language.

positional arguments:
  QUERY                 User query in natural language

options:
  -h , --help            show this help message and exit

agent options:
  Configuration of the agent

  --agent JSON          set agent from JSON string
  --agent.api_key {SecretStr,null}
                        API key of the agent platform (Google) (default: ********** )
  --agent.name str      Name of the agent to use (default: gemini-1.5-flash-latest)
  --agent.temperature float
                        Temperature of the agent (default: 0.0)
  --agent.candidate_count int
                        Number of candidates to generate (default: 1)
  --agent.max_output_tokens int
                        Maximum output tokens to generate (default: 1000)
  --agent.system_instructions str
                        System instructions for the agent (default: You are a browser automation system. Your goal is to understand the user request and execute actions
                        on its browser using the tools at your disposal. After each step, you will receive a screenshot and the page source of the current browser
                        window.)

action options:
  Configuration for all actions

  --action JSON         set action from JSON string
  --action.sleep_time float
                        Time to sleep after loading a page (default: 0.5)

driver options:
  Configuration of the web driver

  --driver JSON         set driver from JSON string
  --driver.name {Chrome,Firefox}
                        Name of the driver to use (default: Chrome)
  --driver.keep_alive bool
                        Keep the browser open at the end of the execution (default: True)
  --driver.maximize_window bool
                        Maximize the browser window at the start of the execution (default: True)

execution options:
  Configuration of the execution

  --execution JSON      set execution from JSON string
  --execution.stop_actions list[str]
                        Name of actions that can stop the execution (default: [ ' done ' ])
  --execution.default_message str
                        Default message to send to the agent when no input is provided by the user (default: Continue the execution if necessary or call the done tool if
                        you are done)

interaction options:
  Configuration of the interaction

  --interaction JSON    set interaction from JSON string
  --interaction.stay_open bool
                        Keep the browser open before exiting (default: True)
  --interaction.interactive bool
                        Ask for user input after every action (default: False)
  --interaction.max_interactions int
                        Maximum number of interactions for the agent (default: 5)

كيف تعمل

تعمل Bromate في حلقة ، تتفاعل بشكل مستمر مع عامل الجوزاء و Selenium WebDriver لأتمتة مهام المتصفح. إليك تفاصيل السلوك الأساسي:

1. التهيئة:

• تتم تهيئة WebDriver السيلينيوم بناءً على التكوين الخاص بك (مثل ، Chrome أو Firefox). هذا يوفر الواجهة للتحكم في المتصفح.
• تتم تهيئة Gemini LLM ، ويتم تعريف "أدوات". تتوافق هذه الأدوات مع الإجراءات التي يمكن للنموذج توجيهها إلى تنفيذ WebDriver. يتم تعريف الإجراءات المتاحة في ملف src/bromate/actions.py . تشمل الأمثلة:
  • get : فتح عنوان URL محدد في المتصفح.
  • click : انقر فوق عنصر تم تحديده بواسطة محدد CSS.
  • write : أدخل النص في عنصر.
  • back : انتقل مرة أخرى إلى الصفحة السابقة.
  • done : إشارة إلى نهاية مهمة الأتمتة.

2. اختيار العمل والتنفيذ:

• يمكنك تقديم استعلام أولي بلغة طبيعية تصف المهمة التي تريد أتمتة.
• في كل خطوة ، يحلل نموذج Gemini الحالة الحالية للمتصفح (رمز HTML ولقطة الشاشة) ، وينظر في استفسارك وتفاعلاتك السابقة ، ويقرر اتخاذ الإجراءات الأكثر صلة.
• ثم يتم تنفيذ الإجراء المختار بواسطة Selenium WebDriver ، مما يعدل حالة المتصفح.

3. حلقة التغذية المرتدة:

• بعد إجراء كل إجراء ، يتم إرسال رمز HTML المحدث للصفحة ولقطة شاشة من نافذة المتصفح إلى نموذج الجوزاء. يوفر هذا للنموذج مع ردود الفعل حول آثار أفعاله.
• تستمر الحلقة حتى يقرر النموذج إما تنفيذ الإجراء done ، مما يشير إلى اكتمال المهمة ، أو يتم الوصول إلى عدد أقصى من التفاعلات.

تتيح هذه العملية التكرارية برومات بالتكيف ديناميكيًا مع التغييرات في بيئة المتصفح وأداء مهام الأتمتة المعقدة بناءً على تعليمات اللغة الطبيعية.

تطوير

تتم إدارة سير عمل التنمية من Bromate باستخدام Pyinvoke. يحتوي tasks/ المجلد على مهام مختلفة لإدارة المشروع:

• checks.py: مهام فحص جودة الرمز (linting ، فحص النوع ، الاختبار ، الأمان).
• cleans.py: مهام لتنظيف القطع الأثرية والذاكرة التخزين المؤقت.
• حاويات. بيبي: مهام بناء وتشغيل حاويات Docker.
• docs.py: مهام لتوليد وخدمة وثيقة API.
• Formatss.py: مهام لتنسيق الكود.
• installs.py: مهام لتثبيت التبعيات والخطافات قبل الالتزام.
• Packages.py: مهام بناء ونشر حزم Python.
• publishes.py: مهام نشر القطع الأثرية على مستودعات البرمجيات.

رخصة

بروميت مرخصة بموجب ترخيص معهد ماساتشوستس للتكنولوجيا. انظر ملف الترخيص لمزيد من التفاصيل.