DeepSeek与浏览器自动化AI Agent构建指南

文章使用到的模型可以用硅基流动中的：

注册链接：

邀请码：FytHp9Xa

一、技术选型阶段

1 基础组件选择

• AI模型 ：DeepSeek-R1开放API（对话/推理）或DeepSeek-Coder（代码生成）
• 浏览器控制 ：Playwright（比Selenium更快的现代浏览器自动化库）
• 编排框架 ：LangChain或Autogen（用于构建AI Agent工作流）
• 后端服务 ：FastAPI（轻量级API框架）+ RabbitMQ（任务队列）

2 开发环境搭建

创建虚拟环境

python -m venv agent_env source agent_env/bin/activate

安装核心依赖

pip install deepseek-api playwright langchain python-dotenv playwright install chromium

二、架构设计阶段

1 系统架构图

[用户接口] ↓ [API网关] → (身份验证/请求分发) ↓ [任务队列] → RabbitMQ（保证任务有序执行） ↓ [AI Agent核心] ├─ 自然语言理解 → DeepSeek-R1 ├─ 代码生成 → DeepSeek-Coder └─ 浏览器控制 → Playwright Driver

2 核心工作流程

1. 接收自然语言指令（如"获取亚马逊iPhone 15前3页价格"）
2. 通过DeepSeek-R1进行意图识别和任务分解
3. 生成Playwright控制代码并验证安全性
4. 执行浏览器自动化操作
5. 结果清洗和结构化处理
6. 生成最终自然语言报告

三、核心实现阶段

1 初始化模块

config.py

import os from dotenv import load_dotenv load_dotenv() DEEPSEEK_API_KEY = os.getenv(“DEEPSEEK_API_KEY”) BROWSER_HEADLESS = os.getenv(“HEADLESS”, “true”).lower() == “true”

2 DeepSeek集成模块

deepseek_integration.py

import requests class DeepSeekClient: def init(self, api_key): self.base_url = “ self.headers = { “Authorization”: f"Bearer {api_key}”, “Content-Type”: “application/json” } def generate_response(self, prompt, model=“deepseek-r1”): payload = { “model”: model, “messages”: [{“role”: “user”, “content”: prompt}], “temperature”: 0.7 } response = requests.post( f"{self.base_url}/chat/completions", json=payload, headers=self.headers ) return response.json()[“choices”][0][“message”][“content”]

3 浏览器控制模块

browser_controller.py

from playwright.sync_api import sync_playwright import json class BrowserAgent: def init(self, headless=True): self.playwright = sync_playwright().start() self.browser = self.playwright.chromium.launch(headless=headless) self.context = self.browser.new_context( user_agent=“Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36” ) self.page = self.context.new_page() def execute_actions(self, actions_json): try: for action in actions_json[“steps”]: method = getattr(self.page, action[“action”]) if action[“type”] == “click”: method(action[“selector”]) elif action[“type”] == “input”: method(action[“selector”], action[“value”]) self.page.wait_for_timeout(1000) # 适当等待 return self.page.content() except Exception as e: print(f"执行错误: {str(e)}") return None def close(self): self.context.close() self.browser.close() self.playwright.stop()

4 任务编排模块

task_orchestrator.py

from deepseek_integration import DeepSeekClient from browser_controller import BrowserAgent import json class TaskOrchestrator: def init(self): self.ai_client = DeepSeekClient(os.getenv(“DEEPSEEK_API_KEY”)) self.browser = BrowserAgent() def process_task(self, user_input):

步骤1：生成浏览器操作指令

prompt = f""" 用户请求：{user_input} 请生成Playwright操作步骤，格式要求： {{ “steps”: [ {{ “action”: “goto|click|fill”, “type”: “navigation|click|input”, “selector”: “CSS选择器”, “value”: “输入内容（可选）” }}, // 更多步骤… ] }} """

步骤2：获取结构化操作指令

action_plan = self.ai_client.generate_response(prompt)

步骤3：执行浏览器操作

try: actions = json.loads(action_plan) result_html = self.browser.execute_actions(actions)

步骤4：结果分析

analysis_prompt = f""" 原始网页内容：{result_html[:5000]}…（截断） 用户需求：{user_input} 请提取结构化数据并生成自然语言报告 """ final_report = self.ai_client.generate_response(analysis_prompt) return final_report except json.JSONDecodeError: return “操作指令生成失败，请重新尝试”

四、优化迭代阶段

1.性能优化技巧

• 使用Playwright的异步API
• 实现智能等待（替代固定等待时间）： self.page.wait_for_selector(selector, state=“attached”, timeout=5000)

五、典型用例演示

场景：商品价格监控

orchestrator = TaskOrchestrator() result = orchestrator.process_task( “请访问亚马逊中国，搜索’iPhone 15’，获取前3页商品的价格和评价数” ) print(result)

执行流程：

1. 生成导航到amazon.cn的操作指令
2. 自动处理搜索框输入和搜索按钮点击
3. 滚动翻页并提取数据
4. 使用DeepSeek分析HTML结构并提取信息
5. 生成包含价格趋势分析的Markdown报告

六、扩展方向建议

1. 视觉集成 ：结合Playwright的截图功能+视觉模型进行验证
2. 身份管理 ：实现多用户Cookie隔离存储
3. RPA扩展 ：集成桌面自动化库（如PyAutoGUI）突破浏览器限制
4. 知识记忆 ：使用向量数据库存储历史操作记录