详细介绍
Skyvern 是一个面向浏览器的开源自动化平台，结合视觉能力与多智能体协作，通过大语言模型（LLM, Large Language Model）理解页面语义并驱动 Playwright 等浏览器引擎执行业务流程。项目既提供本地运行的服务与 UI，也有托管版 Skyvern Cloud，旨在把脆弱的 XPath/选择器式自动化替换为更健壮、可复现的智能体驱动工作流。
主要特性
- 视觉感知与 LLM 推理相结合，使得 Skyvern 能在未见过的网站上执行任务而无需事先编写选择器。
- 多智能体群协作，支持任务分解、并行执行与结果汇总。
- 丰富的工作流构件：表单填写、数据抽取、文件下载、验证与循环控制。
- 支持 Model Context Protocol（MCP, Model Context Protocol）以及多种 LLM 提供者集成。
使用场景
适用于需要在大量网站上执行重复性操作或跨站点爬取、表单填充、发票下载、竞品信息收集等场景；同时可用于构建 RPA 式的业务自动化、测试自动化与需要人机协同干预的任务流程。对于既要本地部署又需托管服务的团队，Skyvern 提供灵活选择。
技术特点
- 基于 Playwright 的浏览器驱动与可直播的视图用于调试与审计。
- 支持可插拔的 LLM 后端与环境变量配置，兼容 OpenAI、Anthropic、Gemini、Ollama 等。
- 提供 API 与 Python 客户端，可通过 schema 保持输出的结构化与可复现性。
- 开源核心采用 AGPL-3.0 许可，云端托管提供额外反作弊与 CAPTCHA 解决方案。