View a markdown version of this page

使用亚马逊 Bedrock AgentCore 浏览器与 Web 应用程序进行交互 - 亚马逊基岩 AgentCore

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

使用亚马逊 Bedrock AgentCore 浏览器与 Web 应用程序进行交互

Amazon Bedrock AgentCore 浏览器为您的代理与 Web 应用程序交互提供了一个安全、隔离的浏览器环境。它在容器化环境中运行，将网络活动与您的系统分开。它包括会话隔离、通过实时查看实现的内置可观察性、 CloudTrail 日志记录和会话回放功能等安全功能。

架构显示了内置工具产品以及浏览器和 CI 工具。

亚马逊基岩 AgentCore 浏览器提供基于会话的网络浏览，具有全面的可观察性。该工作流程包括四个关键步骤：

  1. 创建浏览器工具

    首先，您需要创建一个浏览器工具，使您的代理能够在完全托管的环境中与 Web 应用程序进行交互、填写表单、浏览网站和提取信息。您可以选择 AWS 托管浏览器 (aws.browser.v1) 进行快速设置，也可以创建具有会话记录、自定义网络设置和特定 IAM 执行角色等高级功能的自定义浏览器。

  2. 启动浏览器会话

    启动具有可配置超时时间的隔离会话（默认值：15 分钟，最长：8 小时）。同时运行多个会话。

  3. 与浏览器互动

    会话启动后，您可以使用 WebSocket-based 流式传输 API 与浏览器进行交互。Automation 端点使您的代理能够执行浏览器操作，例如导航到网站、点击元素、填写表单、截取屏幕截图等。像 Strands、Nova Act 或 Playwright 这样的库可以用来简化这些交互。同时，Live View 端点允许最终用户实时观看浏览器会话，并直接通过直播与之互动。

  4. 监控和记录会话

    所有浏览器会话都提供内置的可观察性，其中包括用于实时监控的实时视图、会话记录（适用于自定义浏览器）以及用于实时性能洞察的 CloudWatch 指标。会话记录捕获 DOM 更改、用户操作、控制台日志和网络事件。录制的会话存储在您的 Amazon S3 存储桶中，可以通过 AWS 控制台重播以获得详细的分析功能，包括视频播放、时间轴导航、用户操作跟踪以及用于故障排除和优化的全面日志。

为什么要使用远程浏览器进行代理开发？

远程浏览器在单独的环境中运行，而不是在本地计算机上运行。对于代理开发，远程浏览器允许 AI 代理像人类一样与 Web 进行交互。关键功能包括：

  • 浏览网站、填写表单、点击按钮、解析动态内容

  • 可自动扩展的无服务器基础架构

  • 通过屏幕截图进行视觉理解

  • 通过实时互动视图进行人工干预

  • 为了安全起见，会话隔离

  • 复杂的 Web 应用程序导航

  • 全面的审计能力

安全功能

浏览器工具包含多项安全功能，可帮助保护您的环境：

  • 隔离：容器化环境与您的系统分开

  • 临时会话：每次使用后重置的临时会话

  • 存活时间到期时自动终止

主题