Ah, AI-agente ... die warmste tendens in tegnologie op die oomblik. Almal hype oor hulle is die toekoms van werk. Na alles, hulle kan dit alles doen en sal die meeste take outomaties om ons meer tyd te gee, reg? Die werklikheid? Die meeste agente word geblokkeer deur webwerwe of word verlore terwyl hulle taak probeer uitvoer. Om eintlik een te maak wat werk, benodig jy 'n beste in klas tegniese stapel. Slegs die regte kombinasie van gereedskap kan 'n AI-agent in 'n ware taak-automasiemasjien verander. Volg hierdie gids en leer hoe om 'n AI-agent te skep wat werklik take vir jou kan outomatiser! Hoekom die meeste AI-agente nie lewer nie Die droom om AI-automatiese take vir ons te hê, is presies waarom AI-agente in die eerste plek uitgevind is. Dit het 'n tendens geword, en waarom die hype nog steeds hoog is. Agente wat Agente wat Stel jou 'n wêreld voor waar al die vervelige, herhalende dinge deur AI hanteer word sodat ons tyd kan spaar. Op hierdie manier kan ons fokus op wat regtig belangrik is: die stapel van V-Bucks in Fortnite of die maling van runes in Elden Ring. Grap af, as jy al ooit rond gespeel het met 'n AI-agent soos of probeer om een self te bou, jy weet reeds die hartseer waarheid: Open die operasie AI agents rarely live up to expectations! Dit is 'n paar van die belangrikste redes waarom AI-agente flop: 
 
 
 
 
 Hulle kan nie met webwerwe of desktop-programme interaksie maak soos 'n werklike mens. LLMs wat hulle verskaf, kan onvoorspelbaar wees, wat verskillende resultate op dieselfde invoer gee. Selfs wanneer hulle 'n leser gebruik, hou anti-bot tegnieke soos CAPTCHAs hulle koud. In teenstelling met mense, het AI-agente dikwels 'n gebrek aan gesonde verstand en moeilikheid om aan te pas wanneer hulle met situasies buite hul programmering geconfronteer word. Die probleem is nie die In plaas daarvan is dit die tegnologie stapel wat jy gebruik om hulle te bou. Ideeë So laat ons stop om tyd te verspil en uit te vind hoe om 'n . AI agent that can actually automate browser tasks for you Maak 'n AI-agent Automatiese die ding wat jy haat: stap-by-stap tutoriale In hierdie hoofstuk sal jy deur die bou van 'n AI-agent wat een van die verveligste (nog kritieke) take daar kan hanteer, loop: Jaag vir werk! Die resulterende AI-agent sal slim genoeg wees om: 
 
 
 
 
 
 Besoek Google Ontdek werkplatforms Browse lysings gebaseer op jou gewenste posisies en voorkeure Ontdek interessante werkplekke Exporteer hulle na 'n skoon JSON-lêer En as jy dit verder wil neem, sal jy ook hulpbronne vind oor hoe om dit jou CV te voed sodat die agent jou profiel kan leer en outomaties aansoek doen vir die beste ooreenkomste - alles sonder dat jy 'n vinger kan ophef. 
 
 ⚠️ Belangrik: Dit is net 'n voorbeeld!Soos voor die einde van hierdie gids genoem, kan dieselfde agent aangepas word aan byna enige leser-gebaseerde werkstroom deur eenvoudig die taakbeskrywing te verander. Soos voor die einde van hierdie gids genoem, kan dieselfde agent aangepas word vir byna enige leser-gebaseerde werkstroom deur eenvoudig die taakbeskrywing te verander. ⚠️ Important Kom ons duik in! Voorwaardes Om saam met hierdie tutorial te volg, maak seker jy het: 
 
 
 
 'N LLM API sleutel (ons sal Gemini gebruik, aangesien dit basies vry is om via API te gebruik, maar OpenAI, Anthropic, Ollama, Groq en ander werk ook). 'N Bright Data-rekening met die Browser API geaktiveer (Moenie bekommerd wees oor die opstel nog nie, want jy sal deur dit in hierdie gids gelei word). Python ≥ 3.11 is plaaslik geïnstalleer. Om dinge te versnel, sal ons ook aanvaar dat jy reeds 'n Python-projek met 'n Virtuele omgewing in plek. uv Stap #1: Installeer die browser gebruik Soos voorheen genoem, flop die meeste AI-agente omdat hulle die muur van tegniese beperkings geraak het . Die modelle alleen is nie genoeg nie. ! Browser gebruik Browser gebruik Moenie bekommerd wees nie!Kyk na hierdie video of kyk na sy amptelike dokumente: https://www.youtube.com/watch?v=zGkVKix_CRU&embedable=true First things first, activate your  Venv en installeer die Die pakket van Pypi: uv browser-use uv pip install browser-use
 Onder die hoed loop hierdie biblioteek op Playwright, so jy moet ook die Chromium-binaries vang waarop dit afhang. uvx playwright install chromium --with-deps --no-shell
 Boom! 💥 Jy is nou opgestel met 'n leser outomatiese agent AI-kraghuis. Stap #2: Integreer die LLM AI-agente sal nie veel sonder AI doen nie (shocker, reg? 😅), so Browser Gebruik ondersteun 'n lang lys van LLM verskaffers, maar ons sal fokus op Gemini, die een wat op die . your agent needs a language model to properly think Offisiële browser-gebruik GitHub bladsy Hoekom Gemini? Omdat dit een van die min LLMs met API-toegang en genereuse koersbeperkings is wat dit fundamenteel vry maak om te speel. Haal jou Gemini API sleutel en stoor dit in 'n Filter in jou projek folder soos hierdie: .env GEMINI_API_KEY=<YOUR_GEMINI_API_KEY>
 Volgende, maak 'n 'n lêer, wat die AI agent definisie logika sal bevat. begin deur die envs van gebruik (wat saam met die · : agent.py .env python-dotenv browser-use from dotenv import load_dotenv

# Read the environment variables from the .env file
load_dotenv() 
 Definieer dan jou LLM integrasie: from browser_use import ChatGoogle

# The LLM powering the AI agent
llm = ChatGoogle(model="gemini-2.5-flash")
 Ongelooflik! Jy het jou AI-motor gereed. Tyd om die res van jou agent se logika te definieer en te bou ... Stap #3: Beskryf die Browser-gebaseerde taak om te outomateer Die LLM wat jy in Browser Gebruik gekonfigureer het, werk net soos jou instruksies, dus spandeer tyd om 'n oproep te skep wat duidelik, gedetailleerd is, maar nie te ingewikkeld nie. Dit is die belangrikste stap in jou implementasie. So, kyk na die gidse op prompt ontwerp en volg die Browser-Use beste praktyke om resultate te maksimeer. Aangesien dit net 'n voorbeeld is, laat ons dit eenvoudig hou en die leser-werkjagtaak soos hierdie beskryf: task = """
Search on Google for software engineer jobs in New York.
1. Choose a job posting page.
2. On the chosen site, filter for jobs published within the last 24 hours.
3. For each job listing, extract the key details, including the job posting URL and the apply URL (if available).
4. Return all results as a JSON list.
"""
 Soos jy kan sien, gee jy jou agent 'n baie vryheid, wat heeltemal goed is, aangesien hoe bekwaam en buigsaam Browser Gebruik is! die : In 'n werklike instelling moet jy voorkeure van 'n konfigurasie-lêer lees en dit in jou oproep injecteer. Dit maak jou agent aangepasbaar vir verskillende soeke. Dink aan verskillende werk titels, plekke, vereiste vaardighede, maatskappyvoorkeure, afstand vs op die terrein, en meer. Vir 'n soortgelyke benadering, lees ons gids op . Tip bou 'n LinkedIn werk jag AI assistent Stap #4: Definieer en hardloop die agent Gebruik Browser Gebruik om 'n AI-agent wat deur jou ingestelde LLM beheer word, op te spoor wat die taak wat jy voorheen gedefinieer het, kan aanpak: from browser_use import Agent

agent = Agent(
    llm=llm,    
    task=task,
)
 Vuur jou agent soos hierdie: history = agent.run_sync()
 Nou alles wat oorbly, is om die uitvoer van jou AI-agent te vang en dit na JSON (of enige formaat wat jy nodig het) te eksporteer. Stap #5: Eksporteer die uitvoer na JSON Haal die uitvoer van jou agent (wat 'n skoon JSON-lys van werk moet wees) en dump dit na 'n Die lêer: .json import json

output_data = history.structured_output
with open("jobs.json", "w", encoding="utf-8") as f:
    json.dump(output_data, f, ensure_ascii=False, indent=4)
 Here we go! missie voltooi. vervelige taak verwerker agent by jou diens! Stap #6: Omgaan met die agent beperkings Browser Gebruik is ongelooflik - maar nie magies nie, helaas ... As jy probeer om jou leser-gebaseerde handleider AI-agent nou uit te voer, sal dit waarskynlik geblokkeer word. (Sien die · die Hoe om reCAPTCHA op te los As dit die een of ander manier oortree, is daar nog steeds die Indeed-menslike verifikasie bladsy wat deur Cloudflare aangedryf word: Hierdie mislukkings is veral algemeen as jy —wat, laat ons eerlik wees, is presies wat jy wil hê nie. niemand wil hê dat 'n masjien vir minute vasgemaak word terwyl dit 'n taak hanteer nie! run the script on a server or in headless mode So ja, dit alles stel 'n AI-agent op wat misluk ... net soos al die ander 😍. Was dit 'n verspilling van tyd? ! the tutorial isn’t over yet Daar is nog die belangrikste stap. die een wat eintlik hierdie hele ding werk. Stap #8: Integreer die Agent Browser Jou agent misluk omdat die webwerwe waarmee dit interaksieer, dit as 'n outomatiese bot kan opspoor. 
 
 
 
 Browser vingerafdruk: Die leser sessie wat standaard in Playwright geskep word, is super algemene en lyk nie soos 'n werklike gebruiker nie. Rate-beperkers: Jou agent maak uiteindelik te veel versoekings in 'n kort tydperk (klassiek vir outomasie, nie mense nie), wat dadelik vermoëns veroorsaak. IP reputasie: Hoe meer outomatiese skripte jy van jou IP hardloop, hoe meer oplossings soos Cloudflare jou as 'n potensiële bot merk, wat die kans op 'n CAPTCHA of ander verifikasie verhoog. So, wat is die oplossing? 'n leser wat: 
 
 
 
 
 
 Voer menslike sessies uit, wat werklike gebruikersgedrag imiteer. Kan CAPTCHAs outomaties oplos as hulle verskyn. Integreer met 'n proxy netwerk met miljoene roterende IP's om koersgrense te vermy. Werk in die wolk vir oneindige skaalbaarheid. Integreer saam met AI. Is dit 'n droom?Nope! Dit bestaan, en dit word genoem (Ons het ) die Agent Browsers Navorsing van die API Agent Browsers Agent Browsers https://www.youtube.com/watch?v=T59GCkpk5zY&embedable=true En jy sal op 'n bladsy soos hierdie eindig: Volg die amptelike Agent Browser integrasie gids, Kopieer jou verbindings-URL (verlig in rooi) en voeg dit by jou Filter soos hierdie: .env BRIGHT_DATA_BROWSER_AGENT_URL=<YOUR_AGENT_BROWSER_URL>
 Lees dit dan in en definieer die om die Browser te gebruik om verbinding te maak met die remote browser: agent.py Browser import os
from browser_use import Browser

BRIGHT_DATA_BROWSER_AGENT_URL = os.getenv("BRIGHT_DATA_BROWSER_AGENT_URL")
browser = Browser(
    cdp_url=BRIGHT_DATA_BROWSER_AGENT_URL
)
 Vervolgens gaan die Vraag vir jou agent: browser agent = Agent(
    llm=llm,
    task=task,
    browser=browser,  # <---
)
 Jou AI-agent sal nou take uitvoer in afgeleë Agent Browser-instansies, terwyl Wat 'n klomp! no longer being blocked or interrupted Sit dit alles saam Your final  Dit moet bevat: agent.py from browser_use import ChatGoogle, Agent, Browser
from dotenv import load_dotenv
import json
import os

# Read the environment variables from the .env file
load_dotenv()

# The LLM powering the AI agent
llm = ChatGoogle(model="gemini-2.5-flash")

# The task the AI agent will do on your behalf
task = """
Search on Google for software engineer jobs in New York.
1. Choose a job posting page.
2. On the chosen site, filter for jobs published within the last 24 hours.
3. For each job listing, extract the key details, including the job posting URL and the apply URL (if available).
4. Return all results as a JSON list.
"""

# Read the Bright Data Browser Agent CDP URL from the env
BRIGHT_DATA_BROWSER_AGENT_URL = os.getenv("BRIGHT_DATA_BROWSER_AGENT_URL")
# Configure a remote browser
browser = Browser(
    cdp_url=BRIGHT_DATA_BROWSER_AGENT_URL
)


# Define an AI agent to perform the task in the configured browser
agent = Agent(
    llm=llm,
    task=task,
    browser=browser,
)

# Execute the AI agent
history = agent.run_sync()

# Export the found jobs to a JSON output file
output_data = history.structured_output
with open("jobs.json", "w", encoding="utf-8") as f:
    json.dump(output_data, f, ensure_ascii=False, indent=4)
 Test dit deur dit te hardloop met: python agent.py
 Soos jy kan sien uit die GIF-uitvoering wat jy kan genereer uit Browser Gebruik (perfekte vir debugging ), kan die AI-agent nou toegang tot Google, dan Indeed, en filter werksgeleenthede met behulp van die vereiste kriteria (opgestel in die laaste 24 uur): Die resultaat sal 'n Filter in jou projek folder: jobs.json Hierdie lêer bevat al die werksdata wat uit Indeed geëxtraheer is, gereed vir u om aansoek te doen vir: [
  {
    "job_title": "Software Engineer",
    "company": "Twitch Interactive, Inc.",
    "location": "New York, NY",
    "salary": "$99,500 - $200,000 a year",
    "employment_type": "Full-time",
    "benefits": [
      "Parental leave",
      "401(k)",
      "Health insurance",
      "Paid time off",
      "Employee discount",
      "Vision insurance"
    ],
    "apply_url": "https://www.indeed.com/rc/clk?jk=d57f1f5ae2ce39b2&bb=KSTlUgVEMf-eBJjV36L3azapF2zEi4bBvUN2hIAcYXrYbXRZ5eWSuITPoUpo_Z8dlLX2UOM82XGDxHt0-Ahisofl6e8m0YvqC6Hh37bUv4Ph18Wp4oM2lqjW0jgm6q24kmXmCEOn4ZCXxMbVvGx1Lw%3D%3D&xkcb=SoAR67M3sAK4p3SDqh0LbzkdCdPP&fccid=fe2d21eef233e94a&vjs=3"
  },
  // other job postings omitted for brevity...
  {
    "job_title": "Fullstack .NET Developer, Analyst",
    "company": "MUFG Bank, Ltd.",
    "location": "Hybrid work in Jersey City, NJ 07302",
    "salary": "$87,000 - $123,000 a year",
    "employment_type": "Full-time",
    "benefits": [
      "Tuition reimbursement",
      "Paid parental leave",
      "Parental leave",
      "Health insurance",
      "Retirement plan",
      "Paid holidays"
    ],
    "apply_url": "https://www.indeed.com/rc/clk?jk=88f53bba78bb73d9&bb=KSTlUgVEMf-eBJjV36L3a5W1vAjJi2KOYfFuFmAdZolzMxeST7LmPwBH3Nh_N5WyZz05vH6_vGPa9dHkj6jgfo9yTQnbXCmfxYezDirnxuSYqjnNthL3s5UtUFYUkLK_DbCh8F545E0wDidVKUnxVQ%3D%3D&xkcb=SoBM67M3sAK4p3SDqh0FbzkdCdPP&fccid=3b98171e4a0fd997&vjs=3"
  }
]
 Wow!  In ongeveer 40 lyn kode, het jy net 'n (Wil 'n paar idees? hang strak vir 'n paar minute en kyk na die volgende hoofstuk.) AI agent that can automate virtually any browser task for you! As jy  wil vlak, kan jy dit selfs integreer met logika om jou CV te lees en aansoek te doen vir posisies outomaties, soos in die . Offisiële Browser Gebruik voorbeeld op GitHub Dankie vir , jy kan nou skep 'n onophoudelike AI agent wat al die vervelige take wat jou tyd en energie draai, hanteer. Bright Data's Agent Browser integration in Browser Use Voorbeelde van vervelige take wat jy met hierdie agent kan outomateer Wil jy 'n paar idees vir take en take wat hierdie AI-agent kan hanteer? 
 
 
 
 
 
 
 Vind en skeduleer vlugte ✈️: Laat die AI soek vir vlugte, vergelyk opsies, en selfs boek kaartjies gebaseer op jou voorkeure. Onttrek weer data vir verskeie stede ️: Kry real-time weer inligting vir al die stede waarheen jy reis, sodat jy altyd voorberei is. Schedule oproepe vir jou : Vertrou op Calendly of soortgelyke instrument, en die AI sal vergaderings reël volgens jou beskikbaarheid. Volg Amazon-produkpryse en koop by lae 💰: Monitor produkpryse en koop items outomaties wanneer hulle jou doelkoers tref. Versamel nuus hoofstukke : Versamel en opsom die nuutste nuus van verskeie bronne, sodat jy niks belangrik mis nie. Koop voedsel vir jou : Bied 'n aankooplijst, en die AI sal jou voedsel aanlyn outomaties koop, wat jou tyd bespaar. Wil jy meer idees? ontdek ander . AI-agent gebruik gevalle en scenario's Laaste gedagtes Nou weet jy hoe om 'n AI-agent te bou wat vervelige, herhalende, vervelige en tydroeiende lesertaak vir jou hanteer. Dit sou nie moontlik wees sonder , een van die coolste AI-agentbiblioteke daar buite - maar die werklike spelveranderer is Bright Data se , wat jou AI onophoudelike, agent-ready cloud-browser-instansies gee. Browser Use Agent Browser By Bright Data is ons missie eenvoudig: maak AI toeganklik vir almal, oral - selfs vir geautomatiseerde gebruikers.

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

This writer has a vested interest be it monetary, business, or otherwise, with 1 or more of the products or companies mentioned within.

Hoe om 'n AI-agent te bou wat eintlik vervelige take vir jou hanteer

About Author

KOMMENTAAR

HANG TAGS

HIERDIE ARTIKEL IS AANGEBIED IN

Related Stories

Startups of The Year: Meet the Business Industry

Thinking for the 21st century

The AI Writing Contest by Bright Data & HackerNoon: Results Announcement 🎉

The #bitcoin Writing Contest by Rootstock and HackerNoon: Final Round Results🎉

Startups of The Year: Meet the Business Industry

Thinking for the 21st century

The AI Writing Contest by Bright Data & HackerNoon: Results Announcement 🎉

The #bitcoin Writing Contest by Rootstock and HackerNoon: Final Round Results🎉

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps