web-agent-protocol 的项目扩展与二次开发
2025-05-29 00:50:28作者:范靓好Udolf
项目的基础介绍
web-agent-protocol 是一个开源项目,旨在提供一个标准化的框架,用于记录和重放浏览器中的用户交互。它通过分离动作记录和执行的关注点,使得自动化和重用变得高效。项目基于 Python 实现,并且提供了一个 Chrome 扩展,用于捕获用户在浏览器中的操作。
项目的核心功能
- 记录用户交互:通过 Chrome 扩展收集用户在网页上的交互数据,如点击、输入等。
- 转换动作列表:将原始事件流转换为“精确重放”或“智能重放”动作列表。
- 生成 MCP 服务器:将记录的动作转换为 MCP(Model Context Protocol)服务器,以供任何代理或用户重用。
- 重放动作列表:使用 WAP-Replay 协议准确地在浏览器中重放动作列表。
项目使用了哪些框架或库?
- Python:项目的主要编程语言。
- Chrome 扩展:用于捕获用户交互的浏览器插件。
- Playwright:可能用于自动化浏览器操作。
- Model Context Protocol(MCP):一种用于代理和用户之间交互的协议。
项目的代码目录及介绍
项目的代码目录结构如下:
web-agent-protocol/
├── browser_use/
├── chrome-extension/
├── data_samples/
├── mcp_servers/
├── prompts/
│ ├── subgoal_generation/
├── utils/
├── wap_replay/
├── .gitignore
├── LICENSE
├── README.md
├── action_collect_server.py
├── mcp_client.py
├── requirements.txt
├── run_replay.py
└── wap_service.py
- browser_use/:可能包含用于浏览器自动化的工具和库。
- chrome-extension/:Chrome 扩展的相关代码。
- data_samples/:示例数据文件夹,可能包含记录的用户交互数据。
- mcp_servers/:生成的 MCP 服务器代码。
- prompts/:可能包含用于生成提示的代码。
- utils/:通用工具类和函数。
- wap_replay/:用于重放用户交互的代码。
对项目进行扩展或者二次开发的方向
- 扩展数据捕获功能:增加更多类型的用户交互数据捕获,如滚动、触摸操作等。
- 增强重放功能:优化重放算法,提高重放的准确性和效率。
- 增加智能分析:分析用户行为,提供用户操作的智能分析报告。
- 集成更多协议:除了 MCP,可以集成其他协议,以支持更广泛的用例。
- 开发可视化工具:为项目开发可视化工具,帮助开发者更好地理解和调试记录和重放的数据。
- 优化用户界面:改进 Chrome 扩展的用户界面,提高用户体验。
- 跨平台支持:扩展项目的支持范围,使其能够支持不同操作系统和浏览器的用户。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- HHunyuan-MT-7B暂无简介00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~059CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava05GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
53
468

deepin linux kernel
C
22
5

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
7
0

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
878
517

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
336
1.1 K

React Native鸿蒙化仓库
C++
180
264

一个高性能、可扩展、轻量、省心的仓颉Web框架。Rest, 宏路由,Json, 中间件,参数绑定与校验,文件上传下载,MCP......
Cangjie
87
14

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
349
381

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
612
60