Gemini Computer Use Preview - Google浏览器自动化代理

介绍

Gemini Computer Use Preview 是 Google 推出的浏览器自动化代理工具，使用 Gemini 模型理解自然语言指令并控制浏览器执行操作。

核心功能

• 自然语言控制 - 用中文或英文描述操作，AI 自动执行
• 浏览器自动化 - 点击、输入、滚动、导航等所有浏览器操作
• 多环境支持 - 本地 Playwright 或云端 Browserbase
• 截图理解 - AI 通过截图理解页面状态并决策下一步

使用示例

支持的环境

• Playwright - 本地 Chrome 浏览器自动化
• Browserbase - 云端浏览器实例

模型选择

• gemini-2.5-computer-use-preview-10-2025（默认）
• gemini-3-flash-preview

使用方式

1. 克隆仓库并安装依赖
2. 设置 GEMINI_API_KEY 或 Vertex AI 凭证
3. 运行 main.py 并输入自然语言指令

GitHub: https://github.com/google-gemini/computer-use-preview