CAMEL Hybrid Browser Toolkit 动作执行器 ActionExecutor 完全指南基于 Playwright 的 Agent 浏览器操作实现解析【免费下载链接】camel CAMEL: The first and the best multi-agent framework. Finding the Scaling Law of Agents. https://www.camel-ai.org项目地址: https://gitcode.com/GitHub_Trending/ca/camel导读本文围绕 CAMEL 项目中 Hybrid Browser Toolkit混合浏览器工具包的核心组件ActionExecutor展开它负责在 Playwright Page 上执行 click、type、select、scroll 等高层浏览器动作是 Agent 与真实网页交互的双手。读完本文你将掌握ActionExecutor的全部构造函数参数与作用域、10 种动作类型的字段规范与内部实现策略、配置项与默认值以及它在整个 Hybrid Browser Toolkit 中与快照系统、多标签会话的协作原理能够直接基于 actions.py 定制自己的浏览器自动化 Agent。一、ActionExecutor 在 Hybrid Browser Toolkit 中的定位Hybrid Browser Toolkit 是 CAMEL 提供的浏览器自动化方案位于 camel/toolkits/hybrid_browser_toolkit_py同时提供了 TypeScript 实现camel/toolkits/hybrid_browser_toolkit/ts。整个 Python 实现包含以下模块actions.pyActionExecutor动作执行器本文主题browser_session.pyHybridBrowserSession负责浏览器实例与多标签页管理agent.py基于 LLM 的浏览器 Agent 主循环HybridBrowserAgentsnapshot.py页面快照PageSnapshot供 LLM 感知页面结构config_loader.pyBrowserConfig/ConfigLoader配置加载器hybrid_browser_toolkit.py面向 CAMEL Toolkit 的封装入口。ActionExecutor的官方文档描述为Executes high-level actions (click, type …) on a Playwright Page.即它把点击输入这类对人类自然的高层操作翻译成一系列 Playwright API 调用同时内置了异常兜底、新标签页处理、参数安全校验等工程化能力让 LLM 输出的动作字典可以被可靠执行。从源码结构看它位于session.executor与agent之间会话层持有执行器Agent 层的_run_action在遇到非navigate动作时统一委托给self._session.exec_action(action)最终落到ActionExecutor.execute()见 browser_session.py。二、构造函数与参数详解ActionExecutor.__init__的完整签名与 actions.py 一致如下def __init__( self, page: Page, session: Optional[Any] None, default_timeout: Optional[int] None, short_timeout: Optional[int] None, max_scroll_amount: Optional[int] None, ):参数类型默认值作用pageplaywright.async_api.Page必填要执行动作的 Playwright 页面实例所有动作最终都落在这个页面上sessionOptional[Any]NoneHybridBrowserSession实例用于多标签页支持传入后 click 动作可感知并注册新打开的标签页default_timeoutOptional[int]None常规动作超时毫秒如_click的兜底 force click、_select、_wait、_extract为None时取配置默认值short_timeoutOptional[int]None快速操作超时毫秒如_type的 fill、ctrlclick 等待新页为None时取配置默认值max_scroll_amountOptional[int]None单次滚动动作的最大像素数用于_scroll的滚动量钳制为None时取配置默认值需要注意page在运行时可能被替换例如 ctrlclick 打开新标签页后self.page new_page因此执行器内部始终通过self.page引用当前活动页面而不是在构造时固定死页面对象。2.1 三个超时/限额参数的解析链路三个可选参数在构造时并不会被直接使用而是传入ConfigLoader做统一解析override优先否则读环境变量与默认值self.default_timeout ConfigLoader.get_action_timeout(default_timeout) self.short_timeout ConfigLoader.get_short_timeout(short_timeout) self.max_scroll_amount ConfigLoader.get_max_scroll_amount(max_scroll_amount)从 config_loader.py 的源码可以看到先 override、后配置的两级回退逻辑override is not None时直接返回传入值否则从BrowserConfig读取。因此参数优先级为构造参数 环境变量 内置默认值。BrowserConfig中与执行器相关的内置默认值毫秒DEFAULT_ACTION_TIMEOUT 3000对应环境变量HYBRID_BROWSER_DEFAULT_TIMEOUTDEFAULT_SHORT_TIMEOUT 1000对应HYBRID_BROWSER_SHORT_TIMEOUTDEFAULT_MAX_SCROLL_AMOUNT 5000像素对应HYBRID_BROWSER_MAX_SCROLL_AMOUNT。此外配置中还包含navigation_timeout、network_idle_timeout、screenshot_timeout、page_stability_timeout、dom_content_loaded_timeout等与执行器协作的超时项完整定义见 config_loader.py。三、动作分发主入口 execute()execute(action)是 ActionExecutor 的公共入口它接收一个动作字典返回统一的结果结构async def execute(self, action: Dict[str, Any]) - Dict[str, Any]:返回结果固定包含三个键successbool动作是否成功messagestr人类可读的结果描述如点击成功、错误信息detailsdict结构化细节各动作类型填充不同的调试字段。execute的分发逻辑非常直观先做空动作与type缺失校验再通过一张type - handler的映射表路由到内部处理器未知类型返回Unknown action type任何内部异常都会被捕获并包装成successFalse的结果返回保证执行器永不向外抛出未处理异常——这对 LLM 驱动的循环至关重要因为每个动作的成败都会成为上下文的一部分。支持的动作类型总览type值内部处理器核心字段用途click_clickref/text/selector点击元素优先 ctrlclick 打开新标签页type_typetextref/selector向输入框填充文本select_selectvalueref/selector下拉框选择选项wait_waittimeout或selector等待固定时长或等待元素出现extract_extractref提取元素文本内容scroll_scrolldirectionup/down、amount页面滚动enter_enter无在聚焦元素上按回车mouse_control_mouse_controlcontrol、x、y按视口坐标执行鼠标点击/右键/双击mouse_drag_mouse_dragfrom_ref、to_ref基于 aria-ref 的元素拖拽press_key_press_keykeyslist组合键按压四、十大动作的内部实现解析4.1 click多策略定位 新标签页感知_click是执行器中最复杂的动作actions.py它支持三种定位策略并按优先级排列ref渲染为[aria-ref{ref}]属性选择器快照系统为元素生成的稳定引用selector直接使用 CSS 选择器text渲染为text{text}Playwright 文本选择器。执行时先用page.locator(sel).count() 0找到第一个有效的选择器然后总是先尝试 ctrlclickmodifiers[ControlOrMeta]若配置了session使用page.context.expect_page()等待新标签页出现成功后通过session.register_page(new_page)注册新页、session.switch_to_tab()切换过去并更新self.page实现点击即跟随的多标签体验若超时asyncio.TimeoutError说明没有新标签页被打开按同页点击成功处理若 ctrlclick 本身异常回退到element.click(forceTrue, timeoutdefault_timeout)强制点击。details中会记录strategies_tried、successful_strategy、click_methodctrl_click_new_tab/ctrl_click_same_tab/playwright_force_click等和new_tab_created方便排查点击失败原因。4.2 type / select表单操作的填值_type要求ref或selector目标为selector或[aria-ref{ref}]调用page.fill(target, text, timeoutshort_timeout)一次性填充details记录text_length_select同样支持ref/selector定位调用page.select_option(target, value, timeoutdefault_timeout)适用于select下拉框。4.3 wait / extract等待与信息提取_wait支持两种模式带timeout毫秒时asyncio.sleep固定等待带selector时调用page.wait_for_selector()等待元素出现受default_timeout约束_extract通过[aria-ref{ref}]定位元素先wait_for_selector确保存在再用page.text_content()取文本返回extracted_text与text_lengthmessage中只截取前 100 字符以免刷屏。4.4 scroll防注入的参数校验_scrollactions.py展示了执行器对LLM 输入不可信的防御姿态direction必须严格为up或downamount先int()转换再通过max(-max_scroll_amount, min(max_scroll_amount, amount_int))钳制到安全范围默认 ±5000px杜绝恶意大数值或非数字注入滚动通过page.evaluate(offset window.scrollBy(0, offset), scroll_offset)完成——注意使用带绑定参数的表达式而非字符串拼接避免 JS 注入滚动后asyncio.sleep(0.5)等待渲染稳定。details记录requested_amount与actual_amount的差异便于观察钳制效果。4.5 enter / press_key键盘操作_enter对当前聚焦元素page.keyboard.press(Enter)适合表单提交场景_press_key接收keys列表如[Control, c]用连接后调用page.keyboard.press()支持任意组合键。4.6 mouse_control / mouse_drag鼠标级操作_mouse_control基于视口坐标x/y默认 0执行click、right_click、dblclick执行前调用_valid_coordinates()校验坐标是否落在当前page.viewport_size范围内越界直接报错_mouse_drag基于 aria-ref 实现元素拖拽先校验from_ref/to_ref定位到元素再取两者的bounding_box()计算中心坐标最后通过mouse.move → mouse.down → mouse.move → mouse.up序列完成拖拽details中记录起始与目标坐标。4.7 辅助工具DOM 稳定性等待与坐标校验_wait_dom_stable()先等domcontentloaded再尝试短等待networkidle所有等待失败都被静默忽略避免拖慢动作执行当前execute中该调用被注释保留属于预留能力_valid_coordinates()结合page.viewport_size判断坐标是否在视口内视口不可用时抛出ValueError。五、should_update_snapshot动作与快照的联动开关should_update_snapshot(action)是一个静态方法actions.py用于判断某个动作是否会改变页面结构从而决定是否需要刷新页面快照staticmethod def should_update_snapshot(action: Dict[str, Any]) - bool: change_types {click, type, select, scroll, navigate, enter} return action.get(type) in change_types它返回True的动作类型集合为click、type、select、scroll、navigate、enter。逻辑上这些动作要么触发页面跳转navigate要么改变 DOM 结构或可见区域其余五种因此必须强制刷新快照而wait、extract、mouse_control、mouse_drag、press_key等动作被判定为不改变页面结构可以复用已有快照以节省开销。它在 Agent 主循环中的真实调用点位于 agent.py每次动作执行后Agent 都会把动作与结果追加进self.action_history调用self._session.get_snapshot(force_refreshActionExecutor.should_update_snapshot(action), diff_onlyTrue)获取增量快照根据快照的is_diff元数据判断页面是否发生结构性变化决定是否更新传给 LLM 的完整快照。也就是说should_update_snapshot直接决定了 LLM 下一轮决策时看到的是带新鲜快照的页面状态还是可复用的缓存快照是执行循环正确性与效率之间的关键开关。六、执行器与多标签会话的协作方式ActionExecutor与HybridBrowserSession是组合关系browser_session.py会话在启动时构造执行器self.executor ActionExecutor(page, self, default_timeout..., short_timeout...)当switch_to_tab()切换标签页时会为每个新活动页重建一个执行器把page换成新页、session传入自身从而保证self.page永远指向当前活动标签见 browser_session.pyAgent 层通过self._session.exec_action(action)间接调用self.executor.execute(action)navigate动作则由 Agent 直接处理不经过执行器见 agent.py。这种设计让点击链接自动打开并切换新标签页成为可能_click中 ctrlclick 打开新页后调用session.register_page()与session.switch_to_tab()而切换动作本身会重建执行器实现无缝的页面上下文迁移。七、配置与定制建议如果你需要在项目中定制ActionExecutor的行为可按以下优先级操作构造参数级创建执行器时直接传入default_timeout、short_timeout、max_scroll_amount优先级最高适合单次会话内灵活调整环境变量级设置HYBRID_BROWSER_DEFAULT_TIMEOUT、HYBRID_BROWSER_SHORT_TIMEOUT、HYBRID_BROWSER_MAX_SCROLL_AMOUNT等适合部署环境中统一调优默认值级修改 config_loader.py 中BrowserConfig的常量需重新加载模块。实际使用示例伪代码基于源码 API 结构from playwright.async_api import async_playwright from camel.toolkits.hybrid_browser_toolkit_py.actions import ActionExecutor async with async_playwright() as p: browser await p.chromium.launch(headlessFalse) page await browser.new_page() await page.goto(https://example.com) executor ActionExecutor( page, default_timeout5000, # 覆盖默认 3000ms short_timeout1500, # 覆盖默认 1000ms max_scroll_amount2000, # 覆盖默认 5000px ) result await executor.execute( {type: click, text: Get Started} ) print(result[success], result[message], result[details])结语ActionExecutor是 CAMEL Hybrid Browser Toolkit 中动作意图 → 浏览器真实操作的桥梁它通过统一的分发入口、多策略定位、新标签页感知、参数安全校验和统一结果结构把 LLM 产生的动作字典稳健地翻译成 Playwright 操作并通过should_update_snapshot与快照系统联动保证 Agent 每轮决策都基于最新页面状态。阅读本文后建议进一步对照 actions.py 的完整源码、agent.py 的调用链以及 docs/key_modules/browsertoolkit.md 的模块文档即可基于该执行器构建自己的浏览器自动化 Agent。【免费下载链接】camel CAMEL: The first and the best multi-agent framework. Finding the Scaling Law of Agents. https://www.camel-ai.org项目地址: https://gitcode.com/GitHub_Trending/ca/camel创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 CAMEL Hybrid Browser Toolkit 动作执行器 ActionExecutor 完全指南：基于 Playwright 的 Agent 浏览器操作实现解析
CAMEL Hybrid Browser Toolkit 动作执行器 ActionExecutor 完全指南基于 Playwright 的 Agent 浏览器操作实现解析【免费下载链接】camel CAMEL: The first and the best multi-agent framework. Finding the Scaling Law of Agents. https://www.camel-ai.org项目地址: https://gitcode.com/GitHub_Trending/ca/camel导读本文围绕 CAMEL 项目中 Hybrid Browser Toolkit混合浏览器工具包的核心组件ActionExecutor展开它负责在 Playwright Page 上执行 click、type、select、scroll 等高层浏览器动作是 Agent 与真实网页交互的双手。读完本文你将掌握ActionExecutor的全部构造函数参数与作用域、10 种动作类型的字段规范与内部实现策略、配置项与默认值以及它在整个 Hybrid Browser Toolkit 中与快照系统、多标签会话的协作原理能够直接基于 actions.py 定制自己的浏览器自动化 Agent。一、ActionExecutor 在 Hybrid Browser Toolkit 中的定位Hybrid Browser Toolkit 是 CAMEL 提供的浏览器自动化方案位于 camel/toolkits/hybrid_browser_toolkit_py同时提供了 TypeScript 实现camel/toolkits/hybrid_browser_toolkit/ts。整个 Python 实现包含以下模块actions.pyActionExecutor动作执行器本文主题browser_session.pyHybridBrowserSession负责浏览器实例与多标签页管理agent.py基于 LLM 的浏览器 Agent 主循环HybridBrowserAgentsnapshot.py页面快照PageSnapshot供 LLM 感知页面结构config_loader.pyBrowserConfig/ConfigLoader配置加载器hybrid_browser_toolkit.py面向 CAMEL Toolkit 的封装入口。ActionExecutor的官方文档描述为Executes high-level actions (click, type …) on a Playwright Page.即它把点击输入这类对人类自然的高层操作翻译成一系列 Playwright API 调用同时内置了异常兜底、新标签页处理、参数安全校验等工程化能力让 LLM 输出的动作字典可以被可靠执行。从源码结构看它位于session.executor与agent之间会话层持有执行器Agent 层的_run_action在遇到非navigate动作时统一委托给self._session.exec_action(action)最终落到ActionExecutor.execute()见 browser_session.py。二、构造函数与参数详解ActionExecutor.__init__的完整签名与 actions.py 一致如下def __init__( self, page: Page, session: Optional[Any] None, default_timeout: Optional[int] None, short_timeout: Optional[int] None, max_scroll_amount: Optional[int] None, ):参数类型默认值作用pageplaywright.async_api.Page必填要执行动作的 Playwright 页面实例所有动作最终都落在这个页面上sessionOptional[Any]NoneHybridBrowserSession实例用于多标签页支持传入后 click 动作可感知并注册新打开的标签页default_timeoutOptional[int]None常规动作超时毫秒如_click的兜底 force click、_select、_wait、_extract为None时取配置默认值short_timeoutOptional[int]None快速操作超时毫秒如_type的 fill、ctrlclick 等待新页为None时取配置默认值max_scroll_amountOptional[int]None单次滚动动作的最大像素数用于_scroll的滚动量钳制为None时取配置默认值需要注意page在运行时可能被替换例如 ctrlclick 打开新标签页后self.page new_page因此执行器内部始终通过self.page引用当前活动页面而不是在构造时固定死页面对象。2.1 三个超时/限额参数的解析链路三个可选参数在构造时并不会被直接使用而是传入ConfigLoader做统一解析override优先否则读环境变量与默认值self.default_timeout ConfigLoader.get_action_timeout(default_timeout) self.short_timeout ConfigLoader.get_short_timeout(short_timeout) self.max_scroll_amount ConfigLoader.get_max_scroll_amount(max_scroll_amount)从 config_loader.py 的源码可以看到先 override、后配置的两级回退逻辑override is not None时直接返回传入值否则从BrowserConfig读取。因此参数优先级为构造参数 环境变量 内置默认值。BrowserConfig中与执行器相关的内置默认值毫秒DEFAULT_ACTION_TIMEOUT 3000对应环境变量HYBRID_BROWSER_DEFAULT_TIMEOUTDEFAULT_SHORT_TIMEOUT 1000对应HYBRID_BROWSER_SHORT_TIMEOUTDEFAULT_MAX_SCROLL_AMOUNT 5000像素对应HYBRID_BROWSER_MAX_SCROLL_AMOUNT。此外配置中还包含navigation_timeout、network_idle_timeout、screenshot_timeout、page_stability_timeout、dom_content_loaded_timeout等与执行器协作的超时项完整定义见 config_loader.py。三、动作分发主入口 execute()execute(action)是 ActionExecutor 的公共入口它接收一个动作字典返回统一的结果结构async def execute(self, action: Dict[str, Any]) - Dict[str, Any]:返回结果固定包含三个键successbool动作是否成功messagestr人类可读的结果描述如点击成功、错误信息detailsdict结构化细节各动作类型填充不同的调试字段。execute的分发逻辑非常直观先做空动作与type缺失校验再通过一张type - handler的映射表路由到内部处理器未知类型返回Unknown action type任何内部异常都会被捕获并包装成successFalse的结果返回保证执行器永不向外抛出未处理异常——这对 LLM 驱动的循环至关重要因为每个动作的成败都会成为上下文的一部分。支持的动作类型总览type值内部处理器核心字段用途click_clickref/text/selector点击元素优先 ctrlclick 打开新标签页type_typetextref/selector向输入框填充文本select_selectvalueref/selector下拉框选择选项wait_waittimeout或selector等待固定时长或等待元素出现extract_extractref提取元素文本内容scroll_scrolldirectionup/down、amount页面滚动enter_enter无在聚焦元素上按回车mouse_control_mouse_controlcontrol、x、y按视口坐标执行鼠标点击/右键/双击mouse_drag_mouse_dragfrom_ref、to_ref基于 aria-ref 的元素拖拽press_key_press_keykeyslist组合键按压四、十大动作的内部实现解析4.1 click多策略定位 新标签页感知_click是执行器中最复杂的动作actions.py它支持三种定位策略并按优先级排列ref渲染为[aria-ref{ref}]属性选择器快照系统为元素生成的稳定引用selector直接使用 CSS 选择器text渲染为text{text}Playwright 文本选择器。执行时先用page.locator(sel).count() 0找到第一个有效的选择器然后总是先尝试 ctrlclickmodifiers[ControlOrMeta]若配置了session使用page.context.expect_page()等待新标签页出现成功后通过session.register_page(new_page)注册新页、session.switch_to_tab()切换过去并更新self.page实现点击即跟随的多标签体验若超时asyncio.TimeoutError说明没有新标签页被打开按同页点击成功处理若 ctrlclick 本身异常回退到element.click(forceTrue, timeoutdefault_timeout)强制点击。details中会记录strategies_tried、successful_strategy、click_methodctrl_click_new_tab/ctrl_click_same_tab/playwright_force_click等和new_tab_created方便排查点击失败原因。4.2 type / select表单操作的填值_type要求ref或selector目标为selector或[aria-ref{ref}]调用page.fill(target, text, timeoutshort_timeout)一次性填充details记录text_length_select同样支持ref/selector定位调用page.select_option(target, value, timeoutdefault_timeout)适用于select下拉框。4.3 wait / extract等待与信息提取_wait支持两种模式带timeout毫秒时asyncio.sleep固定等待带selector时调用page.wait_for_selector()等待元素出现受default_timeout约束_extract通过[aria-ref{ref}]定位元素先wait_for_selector确保存在再用page.text_content()取文本返回extracted_text与text_lengthmessage中只截取前 100 字符以免刷屏。4.4 scroll防注入的参数校验_scrollactions.py展示了执行器对LLM 输入不可信的防御姿态direction必须严格为up或downamount先int()转换再通过max(-max_scroll_amount, min(max_scroll_amount, amount_int))钳制到安全范围默认 ±5000px杜绝恶意大数值或非数字注入滚动通过page.evaluate(offset window.scrollBy(0, offset), scroll_offset)完成——注意使用带绑定参数的表达式而非字符串拼接避免 JS 注入滚动后asyncio.sleep(0.5)等待渲染稳定。details记录requested_amount与actual_amount的差异便于观察钳制效果。4.5 enter / press_key键盘操作_enter对当前聚焦元素page.keyboard.press(Enter)适合表单提交场景_press_key接收keys列表如[Control, c]用连接后调用page.keyboard.press()支持任意组合键。4.6 mouse_control / mouse_drag鼠标级操作_mouse_control基于视口坐标x/y默认 0执行click、right_click、dblclick执行前调用_valid_coordinates()校验坐标是否落在当前page.viewport_size范围内越界直接报错_mouse_drag基于 aria-ref 实现元素拖拽先校验from_ref/to_ref定位到元素再取两者的bounding_box()计算中心坐标最后通过mouse.move → mouse.down → mouse.move → mouse.up序列完成拖拽details中记录起始与目标坐标。4.7 辅助工具DOM 稳定性等待与坐标校验_wait_dom_stable()先等domcontentloaded再尝试短等待networkidle所有等待失败都被静默忽略避免拖慢动作执行当前execute中该调用被注释保留属于预留能力_valid_coordinates()结合page.viewport_size判断坐标是否在视口内视口不可用时抛出ValueError。五、should_update_snapshot动作与快照的联动开关should_update_snapshot(action)是一个静态方法actions.py用于判断某个动作是否会改变页面结构从而决定是否需要刷新页面快照staticmethod def should_update_snapshot(action: Dict[str, Any]) - bool: change_types {click, type, select, scroll, navigate, enter} return action.get(type) in change_types它返回True的动作类型集合为click、type、select、scroll、navigate、enter。逻辑上这些动作要么触发页面跳转navigate要么改变 DOM 结构或可见区域其余五种因此必须强制刷新快照而wait、extract、mouse_control、mouse_drag、press_key等动作被判定为不改变页面结构可以复用已有快照以节省开销。它在 Agent 主循环中的真实调用点位于 agent.py每次动作执行后Agent 都会把动作与结果追加进self.action_history调用self._session.get_snapshot(force_refreshActionExecutor.should_update_snapshot(action), diff_onlyTrue)获取增量快照根据快照的is_diff元数据判断页面是否发生结构性变化决定是否更新传给 LLM 的完整快照。也就是说should_update_snapshot直接决定了 LLM 下一轮决策时看到的是带新鲜快照的页面状态还是可复用的缓存快照是执行循环正确性与效率之间的关键开关。六、执行器与多标签会话的协作方式ActionExecutor与HybridBrowserSession是组合关系browser_session.py会话在启动时构造执行器self.executor ActionExecutor(page, self, default_timeout..., short_timeout...)当switch_to_tab()切换标签页时会为每个新活动页重建一个执行器把page换成新页、session传入自身从而保证self.page永远指向当前活动标签见 browser_session.pyAgent 层通过self._session.exec_action(action)间接调用self.executor.execute(action)navigate动作则由 Agent 直接处理不经过执行器见 agent.py。这种设计让点击链接自动打开并切换新标签页成为可能_click中 ctrlclick 打开新页后调用session.register_page()与session.switch_to_tab()而切换动作本身会重建执行器实现无缝的页面上下文迁移。七、配置与定制建议如果你需要在项目中定制ActionExecutor的行为可按以下优先级操作构造参数级创建执行器时直接传入default_timeout、short_timeout、max_scroll_amount优先级最高适合单次会话内灵活调整环境变量级设置HYBRID_BROWSER_DEFAULT_TIMEOUT、HYBRID_BROWSER_SHORT_TIMEOUT、HYBRID_BROWSER_MAX_SCROLL_AMOUNT等适合部署环境中统一调优默认值级修改 config_loader.py 中BrowserConfig的常量需重新加载模块。实际使用示例伪代码基于源码 API 结构from playwright.async_api import async_playwright from camel.toolkits.hybrid_browser_toolkit_py.actions import ActionExecutor async with async_playwright() as p: browser await p.chromium.launch(headlessFalse) page await browser.new_page() await page.goto(https://example.com) executor ActionExecutor( page, default_timeout5000, # 覆盖默认 3000ms short_timeout1500, # 覆盖默认 1000ms max_scroll_amount2000, # 覆盖默认 5000px ) result await executor.execute( {type: click, text: Get Started} ) print(result[success], result[message], result[details])结语ActionExecutor是 CAMEL Hybrid Browser Toolkit 中动作意图 → 浏览器真实操作的桥梁它通过统一的分发入口、多策略定位、新标签页感知、参数安全校验和统一结果结构把 LLM 产生的动作字典稳健地翻译成 Playwright 操作并通过should_update_snapshot与快照系统联动保证 Agent 每轮决策都基于最新页面状态。阅读本文后建议进一步对照 actions.py 的完整源码、agent.py 的调用链以及 docs/key_modules/browsertoolkit.md 的模块文档即可基于该执行器构建自己的浏览器自动化 Agent。【免费下载链接】camel CAMEL: The first and the best multi-agent framework. Finding the Scaling Law of Agents. https://www.camel-ai.org项目地址: https://gitcode.com/GitHub_Trending/ca/camel创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考