DeepSeek与浏览器自动化AI Agent构建指南
文章使用到的模型可以用硅基流动中的：
注册链接：硅基流动统一登录邀请码：FytHp9Xa
一、技术选型阶段
1. 基础组件选择
-
AI模型：DeepSeek-R1开放API（对话/推理）或DeepSeek-Coder（代码生成）
-
浏览器控制：Playwright（比Selenium更快的现代浏览器自动化库）
-
编排框架：LangChain或Autogen（用于构建AI Agent工作流）
-
后端服务：FastAPI（轻量级API框架）+ RabbitMQ（任务队列）
2. 开发环境搭建
# 创建虚拟环境
python -m venv agent_env
source agent_env/bin/activate
# 安装核心依赖
pip install deepseek-api playwright langchain python-dotenv
playwright install chromium二、架构设计阶段
1. 系统架构图
[用户接口]
↓
[API网关] → (身份验证/请求分发)
↓
[任务队列] → RabbitMQ（保证任务有序执行）
↓
[AI Agent核心]
├─ 自然语言理解 → DeepSeek-R1
├─ 代码生成 → DeepSeek-Coder
└─ 浏览器控制 → Playwright Driver2. 核心工作流程
-
接收自然语言指令（如"获取亚马逊iPhone 15前3页价格"）
-
通过DeepSeek-R1进行意图识别和任务分解
-
生成Playwright控制代码并验证安全性
-
执行浏览器自动化操作
-
结果清洗和结构化处理
-
生成最终自然语言报告
三、核心实现阶段
1. 初始化模块
# config.py
import os
from dotenv import load_dotenv
load_dotenv()
DEEPSEEK_API_KEY = os.getenv("DEEPSEEK_API_KEY")
BROWSER_HEADLESS = os.getenv("HEADLESS", "true").lower() == "true"2. DeepSeek集成模块
# deepseek_integration.py
import requests
class DeepSeekClient:
def __init__(self, api_key):
self.base_url = "https://api.deepseek.com/v1"
self.headers = {
"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"
}
def generate_response(self, prompt, model="deepseek-r1"):
payload = {
"model": model,
"messages": [{"role": "user", "content": prompt}],
"temperature": 0.7
}
response = requests.post(
f"{self.base_url}/chat/completions",
json=payload,
headers=self.headers
)
return response.json()["choices"][0]["message"]["content"]3. 浏览器控制模块
# browser_controller.py
from playwright.sync_api import sync_playwright
import json
class BrowserAgent:
def __init__(self, headless=True):
self.playwright = sync_playwright().start()
self.browser = self.playwright.chromium.launch(headless=headless)
self.context = self.browser.new_context(
user_agent="Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"
)
self.page = self.context.new_page()
def execute_actions(self, actions_json):
try:
for action in actions_json["steps"]:
method = getattr(self.page, action["action"])
if action["type"] == "click":
method(action["selector"])
elif action["type"] == "input":
method(action["selector"], action["value"])
self.page.wait_for_timeout(1000) # 适当等待
return self.page.content()
except Exception as e:
print(f"执行错误: {str(e)}")
return None
def close(self):
self.context.close()
self.browser.close()
self.playwright.stop()4. 任务编排模块
# task_orchestrator.py
from deepseek_integration import DeepSeekClient
from browser_controller import BrowserAgent
import json
class TaskOrchestrator:
def __init__(self):
self.ai_client = DeepSeekClient(os.getenv("DEEPSEEK_API_KEY"))
self.browser = BrowserAgent()
def process_task(self, user_input):
# 步骤1：生成浏览器操作指令
prompt = f"""
用户请求：{user_input}
请生成Playwright操作步骤，格式要求：
{{
"steps": [
{{
"action": "goto|click|fill",
"type": "navigation|click|input",
"selector": "CSS选择器",
"value": "输入内容（可选）"
}},
// 更多步骤...
]
}}
"""
# 步骤2：获取结构化操作指令
action_plan = self.ai_client.generate_response(prompt)
# 步骤3：执行浏览器操作
try:
actions = json.loads(action_plan)
result_html = self.browser.execute_actions(actions)
# 步骤4：结果分析
analysis_prompt = f"""
原始网页内容：{result_html[:5000]}...（截断）
用户需求：{user_input}
请提取结构化数据并生成自然语言报告
"""
final_report = self.ai_client.generate_response(analysis_prompt)
return final_report
except json.JSONDecodeError:
return "操作指令生成失败，请重新尝试"四、优化迭代阶段
1.性能优化技巧
-
使用Playwright的异步API
-
实现智能等待（替代固定等待时间）：
self.page.wait_for_selector(selector, state="attached", timeout=5000)
五、典型用例演示
场景：商品价格监控
orchestrator = TaskOrchestrator()
result = orchestrator.process_task(
"请访问亚马逊中国，搜索'iPhone 15'，获取前3页商品的价格和评价数"
)
print(result)执行流程：
-
生成导航到amazon.cn的操作指令
-
自动处理搜索框输入和搜索按钮点击
-
滚动翻页并提取数据
-
使用DeepSeek分析HTML结构并提取信息
-
生成包含价格趋势分析的Markdown报告
六、扩展方向建议
-
视觉集成：结合Playwright的截图功能+视觉模型进行验证
-
身份管理：实现多用户Cookie隔离存储
-
RPA扩展：集成桌面自动化库（如PyAutoGUI）突破浏览器限制
-
知识记忆：使用向量数据库存储历史操作记录