Ferramentas de navegador

O crate adk-browser fornece 46 ferramentas abrangentes de automação de navegador que permitem que agentes de IA interajam com páginas da web. Baseado no protocolo WebDriver (Selenium), ele funciona com qualquer navegador compatível com WebDriver.

Visão geral

As ferramentas de navegador permitem que os agentes:

• Naveguem por páginas da web e gerenciem o histórico do navegador
• Extraiam texto, links, imagens e dados estruturados
• Preencham formulários e interajam com elementos da página
• Façam capturas de tela e gerem PDFs
• Executem JavaScript para automação avançada
• Gerenciem cookies, frames e várias janelas

Início rápido

Adicione ao seu Cargo.toml:

[dependencies]
adk-browser = "2.1.0"
adk-agent = "2.1.0"
adk-model = "2.1.0"

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-3.7-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 de que seu agente 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();

Uso multi-inquilino com conjuntos de ferramentas baseados em pool

Para implantações multi-inquilino em produção, use BrowserToolset::with_pool() junto com LlmAgentBuilder::toolset(). Cada usuário recebe uma sessão de navegador isolada, resolvida do pool em tempo de execução:

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()?;

As sessões do navegador são iniciadas e recuperadas automaticamente de conexões WebDriver obsoletas. Você não precisa mais chamar browser.start() antes de usar as ferramentas — a sessão é iniciada de forma transparente no primeiro uso.

Ferramentas disponíveis (46 no total)

Navegação (4 ferramentas)

Extração (5 ferramentas)

Interação (5 ferramentas)

Aguardar (4 ferramentas)

Capturas de tela (1 ferramenta)

JavaScript (4 ferramentas)

Cookies (5 ferramentas)

Windows/Abas (8 ferramentas)

Frames (3 ferramentas)

Ações (7 ferramentas)

Seletores de elementos

As ferramentas que têm como alvo elementos aceitam seletores CSS:

// 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)"

Exemplo: agente de pesquisa na 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 de 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

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

Práticas recomendadas

1. Use esperas: Sempre use as ferramentas browser_wait_* antes de interagir com conteúdo dinâmico
2. Minimize as capturas de tela: As capturas de tela são dispendiosas; use-as estrategicamente
3. Feche as sessões: Sempre feche as sessões do navegador quando terminar
4. Trate os erros: A automação do navegador pode falhar; trate os tempos limite de forma adequada
5. Filtre as ferramentas: Forneça aos agentes apenas as ferramentas de que precisam para reduzir a complexidade

---

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