Skyvern

🐉 Automatisieren Sie browserbasierte Workflows mit LLMs und Computer Vision 🐉

Skyvern automatisiert browserbasierte Workflows mithilfe von LLMs und Computer Vision. Es bietet ein Playwright-kompatibles SDK, das KI-Funktionalität zusätzlich zu Playwright bereitstellt, sowie einen No-Code-Workflow-Builder, der sowohl technischen als auch nicht-technischen Benutzern hilft, manuelle Workflows auf jeder Website zu automatisieren und fehleranfällige oder unzuverlässige Automatisierungslösungen zu ersetzen.

Herkömmliche Ansätze zur Browserautomatisierung erforderten das Schreiben benutzerdefinierter Skripte für Websites, die oft auf DOM-Parsing und XPath-basierten Interaktionen beruhten, welche bei jeder Änderung des Website-Layouts fehlschlugen.

Anstatt sich nur auf code-definierte XPath-Interaktionen zu verlassen, nutzt Skyvern Vision-LLMs, um Websites zu erlernen und mit ihnen zu interagieren.

Funktionsweise

Skyvern wurde vom aufgabenorientierten autonomen Agentendesign inspiriert, das durch BabyAGI und AutoGPT bekannt wurde – mit einem großen Vorteil: Wir geben Skyvern die Fähigkeit, mithilfe von Browserautomatisierungsbibliotheken wie Playwright mit Websites zu interagieren.

Skyvern verwendet einen Schwarm von Agenten, um eine Website zu verstehen und seine Aktionen zu planen und auszuführen:

Dieser Ansatz hat einige Vorteile:

1. Skyvern kann auf Websites arbeiten, die es noch nie zuvor gesehen hat, da es in der Lage ist, visuelle Elemente den zur Vervollständigung eines Workflows erforderlichen Aktionen zuzuordnen, ohne dass benutzerdefinierter Code erforderlich ist.
2. Skyvern ist resistent gegen Änderungen des Website-Layouts, da es keine vorgegebenen XPaths oder andere Selektoren gibt, nach denen unser System bei der Navigation sucht.
3. Skyvern ist in der Lage, einen einzelnen Workflow zu nehmen und auf eine große Anzahl von Websites anzuwenden, da es die zur Vervollständigung des Workflows erforderlichen Interaktionen durchdenken kann. Ein detaillierter technischer Bericht ist hier zu finden.

Demo

https://github.com/user-attachments/assets/5cab4668-e8e2-4982-8551-aab05ff73a7f

Schnellstart

Skyvern Cloud

Skyvern Cloud ist eine verwaltete Cloud-Version von Skyvern, mit der Sie Skyvern ausführen können, ohne sich um die Infrastruktur kümmern zu müssen. Sie ermöglicht die parallele Ausführung mehrerer Skyvern-Instanzen und wird mit integrierten Anti-Bot-Erkennungsmechanismen, einem Proxy-Netzwerk und CAPTCHA-Lösern geliefert.

Wenn Sie es ausprobieren möchten, navigieren Sie zu app.skyvern.com und erstellen Sie ein Konto.

Lokal ausführen (UI + Server)

Wählen Sie Ihre bevorzugte Einrichtungsmethode:

Datenbankstandard: skyvern quickstart und skyvern run server verwenden standardmäßig eine SQLite-Datenbank unter ~/.skyvern/data.db, sodass der pip-Pfad ohne Postgres oder Docker funktioniert. Um stattdessen Postgres zu verwenden, übergeben Sie --postgres für einen lokalen Container oder --database-string für eine bestehende Datenbank. Docker Compose verwendet immer den gebündelten Postgres-Dienst.

Option A: pip install (Empfohlen für Python-verwaltete lokale Einrichtung)

Benötigte Abhängigkeiten:

• Python 3.11, 3.12 oder 3.13

Zusätzlich für Windows:

• Rust
• VS Code mit C++-Entwicklungstools und Windows SDK

1. Skyvern installieren

pip install "skyvern[all]"

2. Skyvern ausführen

skyvern quickstart

Der pip-Schnellstart verwendet standardmäßig SQLite. Für einen lokalen Postgres-Container führen Sie skyvern quickstart --postgres aus.

Option B: Docker Compose

Verwenden Sie diese Option, wenn Sie alles containerisieren möchten (Postgres, API, UI) und Python/Node nicht lokal installieren möchten.

1. Installieren Sie Docker Desktop
2. Klonen Sie das Repository:

   git clone https://github.com/skyvern-ai/skyvern.git && cd skyvern
   

3. Konfigurieren Sie Ihren LLM-Anbieter in .env (der folgende Befehl quickstart --docker-compose erstellt es aus .env.example, falls es fehlt):

   cp .env.example .env  # if not already created
   # edit .env to add your LLM API key
   

4. Starten Sie alles:

   docker compose up -d
   

5. Öffnen Sie http://localhost:8080

Fehlerbehebung

(sqlite3.OperationalError) table organizations already exists — Sie sind auf einen bekannten Fehler in pip install skyvern==1.0.31 gestoßen. Behebung:

rm ~/.skyvern/data.db   # remove the leftover SQLite file
pip install --upgrade skyvern   # 1.0.32+ contains the fix
skyvern quickstart

Wenn Sie noch auf 1.0.31 sind und kein Upgrade durchführen können, installieren Sie stattdessen über uv:

uv pip install skyvern

pip install skyvern schlägt mit ResolutionImpossible fehl (litellm / fastmcp) — Sie sind auf einen Konflikt bei der Abhängigkeitsauflösung in 1.0.31 gestoßen. Führen Sie entweder ein Upgrade auf 1.0.32+ durch oder verwenden Sie uv: uv pip install skyvern.

SDK

Skyvern ist eine Playwright-Erweiterung, die KI-gestützte Browserautomatisierung hinzufügt. Es bietet die volle Leistung von Playwright mit zusätzlichen KI-Funktionen – verwenden Sie natürlichsprachliche Eingabeaufforderungen, um mit Elementen zu interagieren, Daten zu extrahieren und komplexe mehrstufige Workflows zu automatisieren.

Installation:

• Python SDK / Cloud-API: pip install skyvern
• Lokaler Server + gebündelte UI: pip install "skyvern[all]" und dann skyvern quickstart ausführen
• Lokaler Server + gebündelte UI mit Postgres: pip install "skyvern[all]" und dann skyvern quickstart --postgres ausführen
• Gebündelte UI für eine bestehende API: pip install "skyvern[ui]" und dann skyvern run ui --api-url <api-url> --api-key <api-key> ausführen
• TypeScript: npm install @skyvern/client

KI-gestützte Seitenbefehle

Skyvern fügt vier Kern-KI-Befehle direkt zum Seitenobjekt hinzu:

Befehl	Beschreibung
page.act(prompt)	Aktionen mit natürlicher Sprache ausführen (z. B. „Klicke auf den Login-Button“)
page.extract(prompt, schema)	Strukturierte Daten von der Seite extrahieren, optional mit JSON-Schema
page.validate(prompt)	Seitenzustand validieren, gibt bool zurück (z. B. „Prüfe, ob Benutzer eingeloggt ist“)
page.prompt(prompt, schema)	Beliebige Eingabeaufforderungen mit optionalem Antwortschema an das LLM senden

Zusätzlich bietet page.agent übergeordnete Workflow-Befehle:

Befehl	Beschreibung
page.agent.run_task(prompt)	Komplexe mehrstufige Aufgaben ausführen
page.agent.login(credential_type, credential_id)	Mit gespeicherten Anmeldeinformationen authentifizieren (Skyvern, Bitwarden, 1Password)
page.agent.download_files(prompt)	Navigieren und Dateien herunterladen
page.agent.run_workflow(workflow_id)	Vorgefertigte Workflows ausführen

KI-erweiterte Playwright-Aktionen

Alle standardmäßigen Playwright-Aktionen unterstützen einen optionalen prompt-Parameter für die KI-gestützte Elementlokalisierung:

Aktion	Playwright	KI-erweitert
Klicken	page.click("#btn")	page.click(prompt="Click login button")
Ausfüllen	page.fill("#email", "a@b.com")	page.fill(prompt="Email field", value="a@b.com")
Auswählen	page.select_option("#country", "US")	page.select_option(prompt="Country dropdown", value="US")
Hochladen	page.upload_file("#file", "doc.pdf")	page.upload_file(prompt="Upload area", files="doc.pdf")

Drei Interaktionsmodi:

# 1. Traditional Playwright - CSS/XPath selectors
await page.click("#submit-button")

# 2. AI-powered - natural language
await page.click(prompt="Click the green Submit button")

# 3. AI fallback - tries selector first, falls back to AI if it fails
await page.click("#submit-btn", prompt="Click the Submit button")

Kern-KI-Befehle - Beispiele

# act - Perform actions using natural language
await page.act("Click the login button and wait for the dashboard to load")

# extract - Extract structured data with optional JSON schema
result = await page.extract("Get the product name and price")
result = await page.extract(
    prompt="Extract order details",
    schema={"order_id": "string", "total": "number", "items": "array"}
)

# validate - Check page state (returns bool)
is_logged_in = await page.validate("Check if the user is logged in")

# prompt - Send arbitrary prompts to the LLM
summary = await page.prompt("Summarize what's on this page")

Schnellstart-Beispiele

Ausführung über UI:

skyvern run all

Navigieren Sie zu http://localhost:8080, um Aufgaben über die Weboberfläche auszuführen. Wenn die gebündelte UI fehlt, bietet skyvern run ui an, das passende UI-Paket zu installieren. Für die nicht-interaktive Einrichtung verwenden Sie skyvern run ui --install-ui oder skyvern run all --install-ui.

Um nur die gebündelte UI gegen eine bestehende Skyvern-API auszuführen, installieren Sie skyvern[ui] und übergeben Sie --api-url; die CLI leitet --wss-url aus der API-URL ab, sofern Sie sie nicht überschreiben. Sie können auch VITE_API_BASE_URL, VITE_WSS_BASE_URL, VITE_ARTIFACT_API_BASE_URL, VITE_SKYVERN_API_KEY, und VITE_BROWSER_STREAMING_MODE setzen, bevor Sie skyvern run ui ausführen.

Python SDK:

from skyvern import Skyvern

# Local mode
skyvern = Skyvern.local()

# Or connect to Skyvern Cloud
skyvern = Skyvern(api_key="your-api-key")

# Launch browser and get page
browser = await skyvern.launch_cloud_browser()
page = await browser.get_working_page()

# Mix Playwright with AI-powered actions
await page.goto("https://example.com")
await page.click("#login-button")  # Traditional Playwright
await page.agent.login(credential_type="skyvern", credential_id="cred_123")  # AI login
await page.click(prompt="Add first item to cart")  # AI-augmented click
await page.agent.run_task("Complete checkout with: John Snow, 12345")  # AI task

TypeScript SDK:

import { Skyvern } from "@skyvern/client";

const skyvern = new Skyvern({ apiKey: "your-api-key" });
const browser = await skyvern.launchCloudBrowser();
const page = await browser.getWorkingPage();

// Mix Playwright with AI-powered actions
await page.goto("https://example.com");
await page.click("#login-button");  // Traditional Playwright
await page.agent.login("skyvern", { credentialId: "cred_123" });  // AI login
await page.click({ prompt: "Add first item to cart" });  // AI-augmented click
await page.agent.runTask("Complete checkout with: John Snow, 12345");  // AI task

await browser.close();

Einfache Aufgabenausführung:

from skyvern import Skyvern

skyvern = Skyvern()
task = await skyvern.run_task(prompt="Find the top post on hackernews today")
print(task)

Erweiterte Nutzung

Steuern Sie Ihren eigenen Browser (Chrome)

Lassen Sie Skyvern Ihren bestehenden Chrome-Browser steuern – mit all Ihren Cookies, Logins und Erweiterungen.

Schritt 1: Remote-Debugging in Chrome aktivieren

1. Öffnen Sie Chrome und navigieren Sie zu chrome://inspect/#remote-debugging
2. Klicken Sie auf Aktivieren, um den Debugging-Server zu starten
3. Sie sollten sehen: Server läuft unter: 127.0.0.1:9222

[!TIP] Der Befehl skyvern init browser kann dies automatisch tun – er öffnet chrome://inspect/#remote-debugging, wartet darauf, dass Sie es aktivieren, und speichert die Konfiguration.

Schritt 2: Skyvern verbinden

Option A — Python-Code:

from skyvern import Skyvern

skyvern = Skyvern(
    base_url="http://localhost:8000",
    api_key="YOUR_API_KEY",
    browser_address="http://127.0.0.1:9222",
)
task = await skyvern.run_task(
    prompt="Find the top post on hackernews today",
)

Option B — Skyvern-Dienst:

Fügen Sie Ihrer .env-Datei zwei Variablen hinzu:

BROWSER_TYPE=cdp-connect
BROWSER_REMOTE_DEBUGGING_URL=http://127.0.0.1:9222

Starten Sie den Skyvern-Dienst skyvern run all neu und führen Sie die Aufgabe über die UI oder Code aus.

Skyvern Cloud mit Ihrem lokalen Browser verbinden

Lassen Sie Skyvern Cloud einen auf Ihrem Rechner laufenden Chrome-Browser steuern – mit all Ihren bestehenden Cookies, Logins und Erweiterungen. Nützlich für die Automatisierung von Websites, auf denen Sie bereits eingeloggt sind oder die sich hinter einem VPN befinden.

# One command to start Chrome + create a tunnel to Skyvern Cloud
skyvern browser serve --tunnel

Verwenden Sie dann die Tunnel-URL in Ihrer Aufgabe:

from skyvern import Skyvern

skyvern = Skyvern(api_key="your-api-key")
task = await skyvern.run_task(
    prompt="Download the latest invoice from my account",
    browser_address="https://abc123.ngrok-free.dev",
)

[!WARNING] Verwenden Sie immer --api-key, wenn Sie Ihren Browser über einen Tunnel freigeben. Ohne dies hat jeder mit der URL die volle Kontrolle über Ihren Browser. Siehe die Sicherheitsdokumentation.

Siehe die vollständige Dokumentation für alle Optionen, manuelle Tunnel-Einrichtung und Fehlerbehebung.

Konsistentes Ausgabeschema von Ihrem Durchlauf erhalten

Sie können dies tun, indem Sie den Parameter data_extraction_schema hinzufügen:

from skyvern import Skyvern

skyvern = Skyvern()
task = await skyvern.run_task(
    prompt="Find the top post on hackernews today",
    data_extraction_schema={
        "type": "object",
        "properties": {
            "title": {
                "type": "string",
                "description": "The title of the top post"
            },
            "url": {
                "type": "string",
                "description": "The URL of the top post"
            },
            "points": {
                "type": "integer",
                "description": "Number of points the post has received"
            }
        }
    }
)

Hilfreiche Befehle zur Fehlerbehebung

# Launch the Skyvern Server Separately*
skyvern run server

# Launch the Skyvern UI
skyvern run ui

# Check status of the Skyvern service
skyvern status

# Stop the Skyvern service
skyvern stop all

# Stop the Skyvern UI
skyvern stop ui

# Stop the Skyvern Server Separately
skyvern stop server

Leistung & Evaluierung

Skyvern hat SOTA-Leistung im WebBench-Benchmark mit einer Genauigkeit von 64,4 %. Der technische Bericht und die Evaluierung sind hier zu finden.

Leistung bei WRITE-Aufgaben (z. B. Formulare ausfüllen, einloggen, Dateien herunterladen usw.)

Skyvern ist der leistungsstärkste Agent bei WRITE-Aufgaben (z. B. Formulare ausfüllen, einloggen, Dateien herunterladen usw.), die hauptsächlich für RPA-nahe Aufgaben (Robotic Process Automation) verwendet werden.

Skyvern-Funktionen

Skyvern-Aufgaben

Aufgaben sind der grundlegende Baustein in Skyvern. Jede Aufgabe ist eine einzelne Anfrage an Skyvern, die es anweist, durch eine Website zu navigieren und ein bestimmtes Ziel zu erreichen.

Aufgaben erfordern die Angabe einer url, prompt und können optional eine data schema (wenn die Ausgabe einem bestimmten Schema entsprechen soll) und error codes (wenn Skyvern in bestimmten Situationen die Ausführung beenden soll) enthalten.

Skyvern-Workflows

Workflows sind eine Möglichkeit, mehrere Aufgaben zu einer zusammenhängenden Arbeitseinheit zu verketten.

Wenn Sie beispielsweise alle Rechnungen herunterladen möchten, die neuer als der 1. Januar sind, könnten Sie einen Workflow erstellen, der zuerst zur Rechnungsseite navigiert, dann filtert, um nur Rechnungen anzuzeigen, die neuer als der 1. Januar sind, eine Liste aller infrage kommenden Rechnungen extrahiert und jede Rechnung durchläuft, um sie herunterzuladen.

Ein weiteres Beispiel: Wenn Sie den Kauf von Produkten in einem E-Commerce-Shop automatisieren möchten, könnten Sie einen Workflow erstellen, der zuerst zum gewünschten Produkt navigiert und es dann in den Warenkorb legt. Zweitens würde er zum Warenkorb navigieren und den Warenkorbstatus validieren. Schließlich würde er den Checkout-Prozess durchlaufen, um die Artikel zu kaufen.

Unterstützte Workflow-Funktionen umfassen:

1. Browser-Aufgabe
2. Browser-Aktion
3. Datenextraktion
4. Validierung
5. For-Schleifen
6. Dateianalyse
7. E-Mails senden
8. Texteingabeaufforderungen
9. HTTP-Anfrageblock
10. Benutzerdefinierter Codeblock
11. Hochladen von Dateien in Blockspeicher
12. (Demnächst verfügbar) Bedingungen

Livestreaming

Skyvern ermöglicht es Ihnen, das Ansichtsfenster des Browsers auf Ihren lokalen Rechner zu livestreamen, sodass Sie genau sehen können, was Skyvern im Web tut. Dies ist nützlich für das Debugging und das Verständnis, wie Skyvern mit einer Website interagiert, und um bei Bedarf einzugreifen.

Formularausfüllung

Skyvern ist von Haus aus in der Lage, Formulareingaben auf Websites auszufüllen. Die Übergabe von Informationen über die navigation_goal ermöglicht es Skyvern, die Informationen zu verstehen und das Formular entsprechend auszufüllen.

Datenextraktion

Skyvern ist auch in der Lage, Daten von einer Website zu extrahieren.

Sie können auch ein data_extraction_schema direkt im Haupt-Prompt angeben, um Skyvern im jsonc-Format mitzuteilen, welche Daten Sie genau von der Website extrahieren möchten. Die Ausgabe von Skyvern wird entsprechend dem bereitgestellten Schema strukturiert.

Datei-Downloads

Skyvern ist auch in der Lage, Dateien von einer Website herunterzuladen. Alle heruntergeladenen Dateien werden automatisch in den Block-Speicher hochgeladen (sofern konfiguriert), und Sie können über die Benutzeroberfläche darauf zugreifen.

Authentifizierung

Skyvern unterstützt eine Reihe verschiedener Authentifizierungsmethoden, um die Automatisierung von Aufgaben hinter einem Login zu erleichtern. Wenn Sie es ausprobieren möchten, kontaktieren Sie uns bitte per E-Mail oder Discord.

🔐 2FA-Unterstützung (TOTP)

Skyvern unterstützt verschiedene 2FA-Methoden, mit denen Sie Workflows automatisieren können, die 2FA erfordern.

Beispiele hierfür sind:

1. QR-basierte 2FA (z. B. Google Authenticator, Authy)
2. E-Mail-basierte 2FA
3. SMS-basierte 2FA

🔐 Erfahren Sie mehr über die 2FA-Unterstützung hier.

Passwort-Manager-Integrationen

Skyvern unterstützt derzeit die folgenden Passwort-Manager-Integrationen:

• Bitwarden
• Benutzerdefinierter Credential Service (HTTP API)
• 1Password
• LastPass

Model Context Protocol (MCP)

Skyvern unterstützt das Model Context Protocol (MCP), sodass Sie jedes LLM verwenden können, das MCP unterstützt.

Siehe die MCP-Dokumentation hier

Zapier / Make.com / N8N-Integration

Skyvern unterstützt Zapier, Make.com und N8N, um Ihre Skyvern-Workflows mit anderen Apps zu verbinden.

• Zapier
• Make.com
• N8N

🔐 Erfahren Sie mehr über die 2FA-Unterstützung hier.

Praxisbeispiele für Skyvern

Wir freuen uns zu sehen, wie Skyvern in der Praxis eingesetzt wird. Hier sind einige Beispiele, wie Skyvern zur Automatisierung von Workflows in der realen Welt verwendet wird. Bitte eröffnen Sie PRs, um Ihre eigenen Beispiele hinzuzufügen!

Rechnungs-Download auf vielen verschiedenen Websites

Buchen Sie eine Demo, um es live zu sehen

Automatisierung des Bewerbungsprozesses

💡 In Aktion sehen

Automatisierung der Materialbeschaffung für ein produzierendes Unternehmen

💡 In Aktion sehen

Navigation auf Regierungswebsites zur Kontoerstellung oder zum Ausfüllen von Formularen

💡 In Aktion sehen

Ausfüllen beliebiger Kontaktformulare

💡 In Aktion sehen

Abrufen von Versicherungsangeboten von Versicherungsanbietern in beliebiger Sprache

💡 In Aktion sehen

💡 In Aktion sehen

Einrichtung für Mitwirkende

Stellen Sie sicher, dass uv installiert ist.

1. Führen Sie dies aus, um Ihre virtuelle Umgebung zu erstellen (.venv)

   uv sync --group dev
   

2. Führen Sie die anfängliche Serverkonfiguration durch

   uv run skyvern quickstart
   

3. Navigieren Sie in Ihrem Browser zu http://localhost:8080, um die Benutzeroberfläche zu verwenden Die Skyvern-CLI unterstützt Windows, WSL, macOS und Linux-Umgebungen.

Dokumentation

Umfangreichere Dokumentation finden Sie auf unserer 📕 Docs-Seite. Bitte lassen Sie es uns wissen, wenn etwas unklar ist oder fehlt, indem Sie ein Issue eröffnen oder uns per E-Mail oder Discord kontaktieren.

Unterstützte LLMs

Anbieter	Unterstützte Modelle
OpenAI	GPT-5.5, GPT-5.4, GPT-5, GPT-4.1, o3, o4-mini
Anthropic	Claude 4.7 Opus, Claude 4.6 (Sonnet, Opus), Claude 4.5 (Haiku, Sonnet, Opus)
Azure OpenAI	Alle in Ihrem Azure-Abonnement bereitgestellten GPT-Modelle
AWS Bedrock	Claude 4.7, Claude 4.6 (Sonnet, Opus), Claude 4.5 (Sonnet, Opus)
Gemini	Gemini 3.1 Pro, Gemini 3 Flash, Gemini 2.5 Pro/Flash
Ollama	Führen Sie jedes lokal gehostete Modell über Ollama aus
OpenRouter	Zugriff auf Modelle über OpenRouter
OpenAI-kompatibel	Jeder benutzerdefinierte API-Endpunkt, der dem API-Format von OpenAI folgt (via liteLLM)

Für detaillierte LLM-Konfiguration, einschließlich aller verfügbaren Modellschlüssel, Umgebungsvariablen und Multi-Modell-Setups, siehe die LLM-Konfigurationsdokumentation.

Mitwirken

Wir freuen uns über PRs und Vorschläge! Zögern Sie nicht, einen PR oder ein Issue zu eröffnen oder uns per E-Mail oder Discord zu kontaktieren. Bitte werfen Sie einen Blick auf unseren Mitwirkungsleitfaden und die "Help Wanted"-Issues, um loszulegen!

Wenn Sie mit dem Skyvern-Repository chatten möchten, um einen allgemeinen Überblick über die Struktur zu erhalten, wie man darauf aufbaut und wie man Nutzungsfragen löst, schauen Sie sich Code Sage an.

Telemetrie

Standardmäßig sammelt Skyvern grundlegende Nutzungsstatistiken, um uns zu helfen zu verstehen, wie Skyvern verwendet wird. Wenn Sie die Telemetrie deaktivieren möchten, setzen Sie bitte die Umgebungsvariable SKYVERN_TELEMETRY auf false.

Lizenz

Das Open-Source-Repository von Skyvern wird über eine verwaltete Cloud unterstützt. Die gesamte Kernlogik von Skyvern ist in diesem Open-Source-Repository unter der AGPL-3.0-Lizenz verfügbar, mit Ausnahme von Anti-Bot-Maßnahmen, die in unserem verwalteten Cloud-Angebot verfügbar sind.

Wenn Sie Fragen oder Bedenken bezüglich der Lizenzierung haben, kontaktieren Sie uns bitte, und wir helfen Ihnen gerne weiter.

Star-Verlauf