如何构建可以使用任何网站的人工智能代理

将人工智能代理连接到网络：开发者的旅程和计算机使用的兴起

过去两年人工智能代理开发的一个主要障碍是可靠地授予网络访问权限。 考虑一个旨在发送电子邮件的 AI 代理：如何将其连接到 Gmail 或 Outlook？ API、网站或自治网络代理？本文探讨了各种方法。

API 和 SDK：有限的方法

许多开发人员使用 API 和 SDK。这提供了低延迟和强大的身份验证，但存在限制：

• API 不可用：并非所有 Web 服务都提供 API。
• 文档挑战：过时或写得不好的文档很常见。
• 功能差距： API 通常缺乏相应网站的完整功能，从而阻碍特定任务。

幸运的是，有几个服务提供 API 调用库：

• Composio：为人工智能代理提供具有强身份验证的工具。
• Langchain 工具：Langchain/图代理的资源。
• Apify：一个庞大的社区驱动的 API 库。

但是，为了实现通用 Web 服务访问，我们必须超越 API。

网站互动：人性化的方法

可靠的人工智能代理网站交互可实现任何基于网络的人工任务的自动化。 但如何呢？

许多开发人员最初使用 Selenium 或 Playwright 等浏览器测试框架。 然而，这种方法面临着挑战：

• 脆弱性：网站更改（例如 A/B 测试）很容易破坏脚本。
• 可检测性：测试浏览器很容易识别和阻止。
• 生产部署：托管浏览器、管理身份验证和轮换代理在生产中非常复杂。

为了解决这些问题，我们尝试了一个浏览器 SDK：

1. 使用自然语言选择器（例如，get_element("find the login button")）而不是脆弱的 CSS 选择器。
2. 集成内置身份验证。
3. 提供预配置的远程托管和内置旋转代理以防止阻塞。

这项工作现已开源（Dendrite SDK），不再处于积极开发阶段，但仍然可供研究和改编。 类似的替代方案包括：

• AgentQL：Python 库。
• 舞台工作人员： JavaScript/TypeScript 库。

计算机使用：网络人工智能代理的未来？

Rich Sutton 的“惨痛教训”强调了可通过计算增加进行扩展的通用人工智能解决方案的主导地位。 Anthropic的Computer Use体现了这一原则，允许法学硕士使用鼠标和键盘输入直接控制计算机/浏览器，无需脚本和API调用。 他们的方法强调通用计算机技能而不是特定任务的工具。这与痛苦的教训完美契合，表明最通用的人工智能代理将像人类一样直接与网络交互。 早期结果显示，使用精心设计的提示（通常通过 Anthropic 的提示改进器来增强）在复杂任务中具有很高的可靠性。

结论：拥抱未来

虽然 API 仍然有价值，但未来可能有利于大多数 AI 代理使用类似计算机的方法。 如果代理可以登录并使用网站的搜索功能，从热门结果中提取结论，为什么还要通过 API 依赖整个数据库呢？ 人工智能开发人员面临的问题是是否接受这种通用方法，还是面临更专业方法的局限性。

注意：这是我的第一个开发帖子。 欢迎提供有关改进未来帖子的反馈。 还鼓励提出有关人工智能代理或人工智能驱动的任务自动化的问题。

以上是如何构建可以使用任何网站的人工智能代理的详细内容。更多信息请关注PHP中文网其他相关文章！