LangChain thêm khả năng điều khiển trình duyệt cho Managed Deep Agents
LangChain đã bổ sung hỗ trợ trình duyệt cho Managed Deep Agents, cho phép agent tương tác với website bằng cách nhấp chuột, cuộn trang, điền biểu mẫu và đọc nội dung được JavaScript hiển thị. Tính năng này hướng đến những tác vụ mà API không đáp ứng được, chẳng hạn đặt chuyến đi hoặc hủy thuê bao, cũng như kiểm thử đầu-cuối các ứng dụng web. Lập trình viên có thể chọn phiên trình duyệt theo thread, bắt đầu mới cho mỗi cuộc trò chuyện, hoặc theo user, chia sẻ cookie và trạng thái đăng nhập giữa các thread của cùng một người nhưng vẫn giữ cửa sổ riêng. Khi cần đăng nhập hoặc thực hiện bước nhạy cảm khác, agent có thể bàn giao trình duyệt cho người dùng; người dùng tự đăng nhập rồi trả lại quyền điều khiển mà không để mật khẩu lộ cho mô hình. Trình duyệt chạy từ xa trong sandbox của LangSmith, với các công cụ gồm chụp cấu trúc trang, thực hiện chuỗi thao tác hoặc JavaScript theo kiểu Playwright, chụp màn hình và bàn giao cho người dùng. LangChain cho biết các công cụ này được xây dựng trên SDK mã nguồn mở Stagehand của Browserbase và đạt 90% trong 100 tác vụ của bộ benchmark WebVoyager. Bản cập nhật giúp agent dựa trên trình duyệt thực tế hơn, đặc biệt khi website không có API phù hợp, đồng thời giữ việc xác thực và quản lý phiên trình duyệt dưới sự kiểm soát rõ ràng của người dùng.
Lập trình viên có thể dùng Managed Deep Agents để xây agent thao tác trực tiếp trên website, kiểm thử giao diện hoặc xử lý các quy trình không có API. Khi cần đăng nhập, người dùng tự nhập thông tin qua cơ chế bàn giao trình duyệt, giúp hạn chế việc đưa mật khẩu vào ngữ cảnh của mô hình.
Đọc bài gốc