ego-browser

Die Browser-Tools, die Ihr KI-Agent mit ego (lite) verwendet.

Mit ego-browser kann ein KI-Agent in ego (lite) arbeiten. Er kann eine Seite öffnen, einen Snapshot lesen, die Bedienelemente der Seite verwenden und das Ergebnis in einem Space prüfen.

So verwendet ein KI-Agent ego-browser

Bei einer typischen Aufgabe geht der KI-Agent so vor:

Er öffnet einen Space für die Aufgabe oder kehrt zu ihm zurück.
Er öffnet die benötigte Seite.
Er liest einen Snapshot, um den relevanten Text und die passenden Bedienelemente zu finden.
Er führt eine Aktion aus und liest die Seite dann erneut, um zu prüfen, was sich geändert hat.
Er gibt das Ergebnis mit Links oder anderen Angaben zurück, die Sie überprüfen können.

Die Tools sind JavaScript-Hilfsfunktionen. Dieses kurze Beispiel zeigt, wie ein KI-Agent eine Seite öffnet und liest:

await useOrCreateTaskSpace('check a page')
await openOrReuseTab('https://example.com', { wait: true })
cliLog(await snapshotText())

Ihr KI-Agent führt den Code über den Skill ego-browser aus. Sie beschreiben die Aufgabe einfach im Chat des KI-Agenten. Im Schnellstart finden Sie einen Prompt zum Ausprobieren.

Entscheiden, wann Sie eingreifen

Bitten Sie den KI-Agenten, bei Anmeldungen, Bestätigungscodes, Zahlungen oder Änderungen anzuhalten, die Sie freigeben möchten. Sie können seinen Space öffnen, um diesen Schritt zu erledigen, und das Ergebnis anschließend prüfen.