ब्राउज़र उपकरण

adk-browser क्रेट 46 व्यापक ब्राउज़र ऑटोमेशन उपकरण प्रदान करता है जो AI एजेंटों को वेब पेजों के साथ इंटरैक्ट करने में सक्षम बनाते हैं। WebDriver प्रोटोकॉल (Selenium) पर निर्मित, यह किसी भी WebDriver-संगत ब्राउज़र के साथ काम करता है।

अवलोकन

ब्राउज़र उपकरण एजेंटों को इसकी अनुमति देते हैं:

• वेब पेजों पर नेविगेट करें और ब्राउज़र इतिहास प्रबंधित करें
• टेक्स्ट, लिंक, इमेज और संरचित डेटा निकालें
• फ़ॉर्म भरें और पेज तत्वों के साथ इंटरैक्ट करें
• स्क्रीनशॉट लें और PDFs जेनरेट करें
• उन्नत ऑटोमेशन के लिए JavaScript निष्पादित करें
• कुकीज़, फ़्रेम और कई विंडो प्रबंधित करें

त्वरित शुरुआत

अपने Cargo.toml में जोड़ें:

[dependencies]
adk-browser = "2.0.0"
adk-agent = "2.0.0"
adk-model = "2.0.0"

पूर्वापेक्षाएँ

एक WebDriver सर्वर शुरू करें:

# Using Docker (recommended)
docker run -d -p 4444:4444 -p 7900:7900 --shm-size=2g selenium/standalone-chrome:latest

# Or use ChromeDriver directly
chromedriver --port=4444

मूल उपयोग

use adk_browser::{BrowserSession, BrowserToolset, BrowserConfig};
use adk_agent::LlmAgentBuilder;
use adk_model::GeminiModel;
use std::sync::Arc;

#[tokio::main]
async fn main() -> Result<(), Box<dyn std::error::Error>> {
    // Configure browser session
    let config = BrowserConfig::new()
        .webdriver_url("http://localhost:4444")
        .headless(true)
        .viewport(1920, 1080);

    // Create and start browser session
    let browser = Arc::new(BrowserSession::new(config));
    browser.start().await?;

    // Create toolset with all 46 tools
    let toolset = BrowserToolset::new(browser.clone());
    let tools = toolset.all_tools();

    // Create AI agent with browser tools
    let api_key = std::env::var("GOOGLE_API_KEY")?;
    let model = Arc::new(GeminiModel::new(&api_key, "gemini-2.5-flash")?);

    let mut builder = LlmAgentBuilder::new("web_agent")
        .model(model)
        .instruction("You are a web automation assistant. Use browser tools to help users.");

    for tool in tools {
        builder = builder.tool(tool);
    }

    let agent = builder.build()?;

    // Clean up when done
    browser.stop().await?;

    Ok(())
}

फ़िल्टर्ड उपकरण

केवल वे उपकरण चुनें जिनकी आपके एजेंट को आवश्यकता है:

let toolset = BrowserToolset::new(browser)
    .with_navigation(true)   // navigate, back, forward, refresh
    .with_extraction(true)   // extract_text, extract_attribute, extract_links, page_info, page_source
    .with_interaction(true)  // click, double_click, type, clear, select
    .with_wait(true)         // wait_for_element, wait, wait_for_page_load, wait_for_text
    .with_screenshot(true)   // screenshot
    .with_js(true)           // evaluate_js, scroll, hover, handle_alert
    .with_cookies(false)     // Disable cookie tools
    .with_frames(false)      // Disable frame tools
    .with_windows(false)     // Disable window tools
    .with_actions(false);    // Disable advanced actions

let tools = toolset.all_tools();

Multi-Tenant Usage Pool-Backed Toolsets के साथ

उत्पादन मल्टी-टेनेंट डिप्लॉयमेंट के लिए, BrowserToolset::with_pool() का उपयोग LlmAgentBuilder::toolset() के साथ करें। प्रत्येक उपयोगकर्ता को रनटाइम पर पूल से एक अलग ब्राउज़र सेशन मिलता है:

use adk_browser::{BrowserSessionPool, BrowserToolset, BrowserConfig, BrowserProfile};
use adk_agent::LlmAgentBuilder;
use std::sync::Arc;

let pool = Arc::new(BrowserSessionPool::new(BrowserConfig::new(), 10));

// Pool-backed toolset — sessions resolved per-user via ctx.user_id()
let toolset = Arc::new(BrowserToolset::with_pool_and_profile(
    pool,
    BrowserProfile::Scraping,
));

let agent = LlmAgentBuilder::new("web_agent")
    .model(model)
    .instruction("You are a web research assistant.")
    .toolset(toolset)
    .build()?;

ब्राउज़र सेशन स्वचालित रूप से शुरू होते हैं और बासी WebDriver कनेक्शन से स्वचालित रूप से रिकवर होते हैं। टूल का उपयोग करने से पहले आपको browser.start() को कॉल करने की आवश्यकता नहीं है — सेशन पहली बार उपयोग करने पर पारदर्शी रूप से शुरू होता है।

उपलब्ध उपकरण (कुल 46)

नेविगेशन (4 उपकरण)

निष्कर्षण (5 उपकरण)

इंटरैक्शन (5 टूल)

प्रतीक्षा करें (4 उपकरण)

स्क्रीनशॉट (1 टूल)

JavaScript (4 उपकरण)

कुकीज़ (5 उपकरण)

विंडोज/टैब (8 उपकरण)

फ्रेम (3 tools)

कार्य (7 Tool)

तत्व चयनकर्ता

जो तत्वों को लक्षित करते हैं वे टूल CSS चयनकर्ताओं को स्वीकार करते हैं:

// By ID
"#login-button"

// By class
".submit-btn"

// By tag and attribute
"input[type='email']"

// By data attribute
"[data-testid='search']"

// Complex selectors
"form.login input[name='password']"

// Nth child
"ul.menu li:nth-child(3)"

उदाहरण: Web Research Agent

use adk_browser::{BrowserSession, BrowserToolset, BrowserConfig};
use adk_agent::LlmAgentBuilder;
use std::sync::Arc;

let config = BrowserConfig::new().webdriver_url("http://localhost:4444");
let browser = Arc::new(BrowserSession::new(config));
browser.start().await?;

let toolset = BrowserToolset::new(browser.clone())
    .with_navigation(true)
    .with_extraction(true)
    .with_screenshot(true);

let mut builder = LlmAgentBuilder::new("researcher")
    .model(model)
    .instruction(r#"
        You are a web research assistant. When asked about a topic:
        1. Navigate to relevant websites using browser_navigate
        2. Extract key information using browser_extract_text
        3. Take screenshots of important content using browser_screenshot
        4. Summarize your findings
    "#);

for tool in toolset.all_tools() {
    builder = builder.tool(tool);
}

let agent = builder.build()?;

उदाहरण: Form Automation

let agent = LlmAgentBuilder::new("form_filler")
    .model(model)
    .instruction(r#"
        You are a form automation assistant. To fill forms:
        1. Use browser_navigate to go to the form page
        2. Use browser_extract_text to see form labels
        3. Use browser_type to fill text fields
        4. Use browser_select for dropdowns
        5. Use browser_click to submit
    "#)
    .build()?;

कॉन्फ़िगरेशन

let config = BrowserConfig::new()
    .webdriver_url("http://localhost:4444")
    .headless(true)
    .viewport(1920, 1080)
    .page_load_timeout(30)
    .user_agent("Custom User Agent");

let browser = Arc::new(BrowserSession::new(config));
browser.start().await?;

WebDriver विकल्प

किसी भी WebDriver-संगत सर्वर के साथ काम करता है:

त्रुटि प्रबंधन

ब्राउज़र टूल संरचित त्रुटियाँ लौटाते हैं:

match result {
    Ok(value) => println!("Success: {:?}", value),
    Err(e) => {
        match e {
            BrowserError::ElementNotFound(selector) => {
                println!("Could not find element: {}", selector);
            }
            BrowserError::Timeout(duration) => {
                println!("Operation timed out after {:?}", duration);
            }
            BrowserError::SessionClosed => {
                println!("Browser session was closed");
            }
            _ => println!("Browser error: {}", e),
        }
    }
}

उदाहरण

cargo check -p adk-browser
cargo check -p adk-rust --no-default-features --features browser

सर्वोत्तम अभ्यास

1. प्रतीक्षा का उपयोग करें: गतिशील सामग्री के साथ इंटरैक्ट करने से पहले हमेशा browser_wait_* टूल का उपयोग करें
2. स्क्रीनशॉट कम करें: स्क्रीनशॉट महंगे होते हैं; उनका रणनीतिक रूप से उपयोग करें
3. सेशन बंद करें: काम पूरा होने पर हमेशा ब्राउज़र Session बंद करें
4. त्रुटियों को संभालें: ब्राउज़र ऑटोमेशन विफल हो सकता है; टाइमआउट को शालीनता से संभालें
5. टूल फ़िल्टर करें: जटिलता कम करने के लिए Agent को केवल वही Tool दें जिनकी उन्हें आवश्यकता है

---

पिछला: ← बिल्ट-इन टूल्स | अगला: यूआई टूल्स →