電腦使用

Agent Platform Computer Use 沙箱提供安全、隔離的瀏覽器環境，可讓代理與之互動。這些沙箱可讓代理自動執行模擬人類互動的工作，例如點擊、瀏覽網站和擷取螢幕截圖。

運作方式

建立電腦使用沙箱時，Gemini Enterprise Agent Platform 會佈建容器化環境，用於執行網路瀏覽器代理。你可以透過下列兩種方式控制瀏覽器：

  • API 要求：傳送指令至沙箱，執行前往網址、點選元素或輸入文字等動作。
  • 瀏覽器控制：使用標準 Chrome 開發人員工具通訊協定 (CDP) 連線連至瀏覽器，以便使用瀏覽器自動化工具 (例如 Playwright) 自動執行瀏覽器。

使用 API 控制瀏覽器

您可以傳送 API 要求至沙箱，執行常見的瀏覽器動作。沙箱會在隔離環境中處理這些動作的執行作業。

支援的動作包括：

  • 前往網址。
  • 點選特定座標。
  • 在欄位中輸入文字。
  • 擷取螢幕截圖。

如需傳送指令的範例，請參閱電腦使用快速入門導覽課程。

使用 CDP 連線控制瀏覽器

如需更進階的自動化功能，可以透過 Chrome 開發人員工具通訊協定 (CDP) 連線，連線至沙箱瀏覽器。這種方法可讓您使用 Playwright 等標準瀏覽器自動化工具，與網頁互動。

如要將 Playwright 連線至沙箱，請按照下列步驟操作：

  1. 使用 Python SDK generate_browser_ws_headers 方法，為沙箱生成 WebSocket 網址和必要標頭。

      service_account_email = "SERVICE_ACCOUNT_EMAIL"
  ws_url, ws_headers = client.agent_engines.sandboxes.generate_browser_ws_headers(
      sandbox_environment=sandbox,
      service_account_email=service_account_email,
  )

  2. 使用 Playwright 的 connect_over_cdp 方法建立連線。

    使用產生的 WebSocket 網址和標頭，透過 Playwright 透過 CDP 連線：

      import asyncio
  from playwright.async_api import async_playwright
  import nest_asyncio
  nest_asyncio.apply()

  async def connect_over_cdp(ws_url, ws_headers):
      async with async_playwright() as p:
          try:
              browser = await p.chromium.connect_over_cdp(
                  endpoint_url=ws_url,
                  headers=ws_headers
              )
              print("Successfully connected to browser over CDP.")

              # You can now interact with the browser
              page = browser.contexts[0].pages[0]
              await page.goto("https://www.example.com")
              print(f"Page title: {await page.title()}")

              await browser.close()
              print("Browser connection closed.")
          except Exception as e:
              print(f"An error occurred: {e}")

  # Run CDP connection
  asyncio.run(connect_over_cdp(ws_url, ws_headers))

直播觀看

Computer Use 沙箱支援直播檢視畫面 (VNC)，可讓您即時監控代理的動作。您可以偵錯及觀察代理的行為。

舉例來說，您可以使用 noVNC，透過 WebSocket 連線至沙箱。

後續步驟