Ferramentas de Navegador

A crate adk-browser oferece 46 ferramentas abrangentes de automação de navegador que permitem aos AI agents interagir com páginas web. Construída sobre o protocolo WebDriver (Selenium), ela funciona com qualquer navegador compatível com WebDriver.

Visão Geral

As ferramentas de navegador permitem que os agents:

• Navegar em páginas web e gerenciar o histórico do navegador
• Extrair texto, links, imagens e dados estruturados
• Preencher formulários e interagir com elementos da página
• Tirar screenshots e gerar PDFs
• Executar JavaScript para automação avançada
• Gerenciar cookies, frames e múltiplas janelas

Início Rápido

Adicione ao seu Cargo.toml:

[dependencies]
adk-browser = "0.2.0"
adk-agent = "0.2.0"
adk-model = "0.2.0"

Pré-requisitos

Inicie um servidor WebDriver:

# 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

Uso Básico

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-2.0-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(())
}

Ferramentas Filtradas

Selecione apenas as ferramentas que o seu agent precisa:

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();

Ferramentas Disponíveis (Total de 46)

Navegação (4 ferramentas)

Extração (5 ferramentas)

Interação (5 ferramentas)

Espera (4 ferramentas)

Capturas de Tela (1 ferramenta)

JavaScript (4 ferramentas)

Cookies (5 ferramentas)

Janelas/Abas (8 ferramentas)

Frames (3 ferramentas)

Ações (7 ferramentas)

Seletores de Elementos

Ferramentas que visam elementos aceitam seletores CSS:

// Por ID
"#login-button"

// Por classe
".submit-btn"

// Por tag e atributo
"input[type='email']"

// Por atributo de dados
"[data-testid='search']"

// Seletores complexos
"form.login input[name='password']"

// N-ésimo filho
"ul.menu li:nth-child(3)"

Exemplo: Agente de Pesquisa Web

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()?;

Exemplo: Automação de Formulários

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()?;

Configuração

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?;

Opções do WebDriver

Funciona com qualquer servidor compatível com WebDriver:

Tratamento de Erros

As ferramentas do navegador retornam erros estruturados:

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),
        }
    }
}

Exemplos

# Basic browser session
cargo run --example browser_basic

# AI agent with browser tools
cargo run --example browser_agent

# Full 46-tool interactive example
cargo run --example browser_interactive

# OpenAI-powered browser agent
cargo run --example browser_openai --features openai

Melhores Práticas

1. Use Esperas: Sempre use as ferramentas browser_wait_* antes de interagir com conteúdo dinâmico
2. Minimize Capturas de Tela: Capturas de tela são caras; use-as estrategicamente
3. Feche Sessões: Sempre feche as sessões do navegador quando terminar
4. Trate Erros: A automação do navegador pode falhar; trate os tempos limite graciosamente
5. Filtre Ferramentas: Dê aos agentes apenas as ferramentas de que precisam para reduzir a complexidade

---

Anterior: ← Ferramentas Incorporadas | Próximo: Ferramentas de UI →