说明
如何跑步
不是强制性的，但我在虚拟环境中运行了所有这些程序来处理这一波软件包。创建虚拟环境所需做的就是
- ```bash
python -m venv
1. ```bash
\Scripts\activate我的文件夹名为.vnv，因此在同一目录中调用它只是
.\.venv\Scripts\activate任务1-所需核心：机器人驾驶员
要运行主自动化脚本，请执行以下操作：
先决条件：
- 从相应文件夹中安装所需的依赖项：
pip install -r requirements.txt- 如果您还没有安装Playwright浏览器，请安装：
playwright install运行实际文件
cd "task 1"
python task_1.py它的作用：
正如提示所述，该程序在Amazon.com上完成了一个固定的单一任务。在这种情况下，我们希望找到任何低于5美元的衬衫并将其添加到购物车中。浏览器将以headed模式运行，但可以更改为无头运行，并且无论程序实现了哪些步骤/最终目标，都会进行截图。
任务2-可选挑战1：使用MCP的AI大脑
要运行AI代理：
cd "task 2"
python agent2.py要运行MCP服务器，请执行以下操作：
npx @playwright/mcp@latest --port 它的作用：
正如提示所述，我们现在让AI代理访问MCP上下文和工具，以便代理可以决定下一步应该做什么来实现目标。我们使用给定的命令启动MCP服务器，并为代理提供它在尝试实现目标时可以执行的工具。我注意到，模型通常会响应所进行的工具调用，以及在工具调用后读取的页面内容，所以我决定，虽然消息历史很重要，因为代理是无状态的，但我们可以将长返回编辑为占位符消息，这样就不会使用太多的令牌。显然，如果代理需要，正如编辑的消息所指定的那样，如果它需要下一步需要做什么的上下文，它可以再次读取页面。
我最初不确定这个问题意味着什么，有两种方法，一种是让代理自动执行命令，另一种是提示代理返回它本应运行的命令，以便我可以在程序中运行它。后者被证明不太成功，因为我使用了一个相当大的命令映射，以确保它具有完整的功能，并且在更复杂的任务上难以控制令牌，并在不让它自己执行任务的情况下为其提供MCP网页上下文。第一个在这方面更成功。
您必须创建自己的.env文件，并提供自己的名为“google_api_key”的google api密钥
任务3-可选挑战2：使其可共享
要运行脚本，请执行以下操作：
先决条件：
- 从相应文件夹中安装所需的依赖项：
pip install -r requirements.txt- 如果您还没有安装Playwright浏览器，请安装：
playwright install运行实际文件
uvicorn playwright_mcp:app --reload --port 如果不指定，默认端口为8000
它的作用：
该程序的运行方式与任务1类似，现在唯一的区别是，当您连接到/streamer端点时，任务1中发生的相同的剧作家代码和任务将在此处发生。这里唯一的区别是截图是 作为静态文件，您可以通过转到/screscenes/\.png来访问。如果不只是在本地运行，而是托管在EC2实例上，或者通过隧道服务或反向代理公开，这将非常有用。默认情况下，服务器将在http://127.0.0.1:8000/.