Web Draw:纯文本模型也能操控浏览器,Amazon 页面仅 750 token
ahstanin · reddit · 2026-09-03
开发者发布了 Web Draw(免费、无需账号、仅本地 127.0.0.1 通信),让纯文本模型也能驱动真实浏览器,不再依赖截图。
- 原理:把可见页面渲染成文本,每个控件带稳定句柄,循环为「观察→按句柄操作→再观察」。页面描述示例中,无效字段带错误提示、被遮挡按钮标记 covered-by、折叠下拉带 haspopup 等元信息。
- token 成本:Amazon 搜索页约 750 token,完整结账页约 550;数据表渲染为 markdown,feed 类重复结构折叠成组,屏外提示行告知折叠上下方内容以便决定是否滚动。
- 针对小模型的消歧设计:被遮挡的控件标记而非直接点击;目标名有歧义时报错并列出候选,而非瞎选;表单提交被拒时报告页面原话,而不是看似成功。作者指出小模型与大模型的失败方式不同,大部分工作量在于消除歧义。
- 接入方式:可驱动你日常浏览器并复用已有登录态,提供 Chrome 扩展与 MCP 配置(npx @olib-ai/web-draw-mcp),7B/8B 文本模型即可运行该循环。
所属事件:Web Draw 开源：MCP 用 DOM 文本替代截图供 Agent 操作网页(2 条相关)→
「编程与Agent」频道最新
- mcp-doctor:静态分析 MCP 服务器,实测揪出 12 个热门仓库真实缺陷 — Wide_Imagination_970 · 2026-09-03
- Stripe 推出 Directory 公测:帮 AI Agent 按关键词找外部服务商 — jeff_weinstein · 2026-09-03
- Akkru 推出金融数据 MCP:让 Agent 用财报数字时保留来源可溯性 — camiggggg · 2026-09-03
- Matt Shumer 解析 Fable 架构：锁定世界结构，各版本共享同一世界 — mattshumer_ · 2026-09-03
- Factory 推 GLM-5.3-Flash:0.06x 费率,在 droid 里全天用不触限额 — matanSF · 2026-09-03
- Qwen 3.8 默认超高推理档遭质疑,不少用户称调低反而更好 — Jorlen · 2026-09-03