Selenium

文档索引

可在此获取完整文档索引：https://docs.stagehand.dev/llms.txt

在进一步浏览前，可使用该文件发现所有可用页面。

Selenium

使用 Stagehand 与 Selenium 协同操作同一个浏览器

概览

Stagehand v3 可以与 Selenium WebDriver 并行协作，让两者同时操作同一个浏览器会话。这样你就能把 Stagehand 的 AI 自动化能力，与 Selenium 精确的元素交互能力结合起来。

注意

仅支持 Browserbase：此集成要求使用 Browserbase。由于 Selenium 需要远程 WebDriver 端点，因此它不能与 env: "LOCAL" 配合使用。

安装

安装 Stagehand、Selenium 和 Browserbase SDK：

npm install @browserbasehq/stagehand selenium-webdriver @browserbasehq/sdk

快速开始

创建共享会话

使用 Browserbase SDK 创建一个可以同时被两套工具连接的会话：

import http from 'http';
import { Builder, Key } from 'selenium-webdriver';
import Browserbase from '@browserbasehq/sdk';
import { Stagehand } from '@browserbasehq/stagehand';

const bb = new Browserbase({
  apiKey: process.env.BROWSERBASE_API_KEY,
});

// 创建共享会话
const session = await bb.sessions.create({});

console.log('Session created:', session.id);

连接 Stagehand

使用该会话 ID 初始化 Stagehand：

const stagehand = new Stagehand({
  env: 'BROWSERBASE',
  browserbaseSessionID: session.id,
  model: 'openai/gpt-5',
  verbose: 2,
});

await stagehand.init();

连接 Selenium

通过会话的签名 key 自定义 HTTP agent：

// 创建带签名 key 的自定义 HTTP agent
const customHttpAgent = new http.Agent({});
(customHttpAgent as any).addRequest = (req: any, options: any) => {
  req.setHeader('x-bb-signing-key', session.signingKey);
  (http.Agent.prototype as any).addRequest.call(customHttpAgent, req, options);
};

// 连接 Selenium WebDriver
const driver = new Builder()
  .forBrowser('chrome')
  .usingHttpAgent(customHttpAgent)
  .usingServer(session.seleniumRemoteUrl)
  .build();

同时使用两套工具

此时 Stagehand 与 Selenium 将共同操作同一个浏览器：

// 使用 Stagehand 导航
const page = stagehand.context.pages()[0];
await page.goto('https://www.google.com');

// 用 Stagehand AI 提取页面内容
const pageContent = await stagehand.extract();
console.log('Page content:', pageContent);

// 用 Selenium 精确操作元素
const searchBox = await driver.findElement({ name: 'q' });
await searchBox.sendKeys('Browserbase automation');
await searchBox.sendKeys(Key.RETURN);

// 等待结果
await driver.sleep(2000);

console.log('Search completed!');

关键点

• 共享会话：两套工具连接到同一个 Browserbase 会话
• 签名 Key：Selenium 需要在 HTTP 头中携带会话的 signingKey
• 远程地址：Selenium 的服务端地址使用 session.seleniumRemoteUrl
• 并发使用：两套工具可以同时操作同一个浏览器
• 清理资源：结束时关闭 Stagehand（await stagehand.close()）与 Selenium（await driver.quit()）

下一步

Agent

自动化完整工作流。

Act

在网页上执行动作。

Extract

从页面提取结构化数据。

Observe

观察并定位页面元素。