Skyvern

官方

AI驅動的瀏覽器自動化MCP伺服器 — 透過Claude Code CLI導航網站、填寫表單、提取資料及處理登入

你可以用 Skyvern MCP 做什麼?

  • 執行瀏覽器任務 — 請助理瀏覽網站並完成目標,例如找出 Hacker News 上的熱門貼文。
  • 擷取結構化資料 — 依照 JSON schema 要求頁面資料,讓每次執行的輸出保持一致。
  • 填寫表單並下載檔案 — 自動填寫表單並下載檔案;若已設定,下載內容會儲存至區塊儲存空間。
  • 使用已儲存的憑證登入 — 使用 Skyvern、Bitwarden 或自訂憑證服務中的已儲存憑證進行驗證,包括 2FA。
  • 串接多步驟工作流程 — 執行結合任務、迴圈、資料擷取與驗證的預建工作流程。

文件


🐉 使用 LLM 和電腦視覺自動化瀏覽器工作流程 🐉

Skyvern 使用 LLM 和電腦視覺自動化瀏覽器工作流程。它提供與 Playwright 相容的 SDK,可在 playwright 上加入 AI 功能,也提供無程式碼工作流程建置工具,協助技術與非技術使用者自動化任何網站上的手動工作流程,取代脆弱或不可靠的自動化方案。

傳統的瀏覽器自動化方式需要為網站編寫自訂指令碼,通常仰賴 DOM 解析和 XPath 互動;只要網站版面變更,這些方式就會失效。

Skyvern 不只依賴以程式碼定義的 XPath 互動,而是運用 Vision LLM 來學習並與網站互動。

運作方式

Skyvern 的設計靈感來自 BabyAGI 和 AutoGPT 推廣的任務導向自主代理程式設計,並加入一項重要優勢:我們讓 Skyvern 能使用 Playwright 等瀏覽器自動化程式庫與網站互動。

Skyvern 使用一組代理程式來理解網站、規劃並執行操作:

這種方法有幾項優勢:

  1. Skyvern 能在從未接觸過的網站上運作,因為它可以將視覺元素對應至完成工作流程所需的操作,無須任何自訂程式碼
  2. Skyvern 不受網站版面變更影響,因為系統在導覽時不會尋找預先指定的 XPath 或其他選取器
  3. Skyvern 能將單一工作流程套用至大量網站,因為它可以推理完成工作流程所需的互動 詳細技術報告請見此處。

示範

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

快速入門

Skyvern Cloud

Skyvern Cloud 是 Skyvern 的代管雲端版本,讓你無須擔心基礎架構即可執行 Skyvern。它可讓你平行執行多個 Skyvern 執行個體,並內建反機器人偵測機制、代理網路和 CAPTCHA 解題工具。

若要試用,請前往 app.skyvern.com 並建立帳戶。

在本機執行(UI + Server)

選擇偏好的設定方式:

預設資料庫:skyvern quickstart 和 skyvern run server 預設使用位於 ~/.skyvern/data.db 的 SQLite 資料庫,因此 pip 安裝方式無須 Postgres 或 Docker 即可運作。若要改用 Postgres,請為現有資料庫傳入 --database-string(或省略 --no-postgres,讓 quickstart 啟動自己的 Postgres 容器)。Docker Compose 一律使用隨附的 Postgres 服務。

選項 A:pip install(建議用於由 Python 管理的本機設定)

所需相依項目:

此外,Windows 使用者需要:

  • Rust
  • 安裝 C++ 開發工具和 Windows SDK 的 VS Code

1. 安裝 Skyvern

pip install "skyvern[server]"

server extra 會安裝本機 API 伺服器。不加此項目的 pip install skyvern 只會安裝用戶端 SDK。pip 套件不包含 Web UI;若要使用 UI,請使用 Docker Compose 或從原始碼簽出版本。

2. 執行 Skyvern

skyvern quickstart

pip 快速入門預設使用 SQLite。若要改用本機 Postgres 容器,請執行 skyvern quickstart(除非傳入 --no-postgres,否則會啟動 Postgres 容器),或使用 --database-string=postgresql+psycopg://user:pass@host:5432/dbname 連線至現有資料庫。

選項 B:Docker Compose

若要將所有項目(Postgres、API、UI)容器化,且不想在本機安裝 Python/Node,請使用此選項。

  1. 安裝 Docker Desktop
  2. 複製儲存庫:
    git clone https://github.com/skyvern-ai/skyvern.git && cd skyvern
    
  3. 在 .env 中設定 LLM 提供者(若檔案不存在,以下的 quickstart --docker-compose 命令會從 .env.example 建立):
    cp .env.example .env  # if not already created
    # edit .env to add your LLM API key
    
  4. 啟動所有服務:
    docker compose up -d
    
  5. 開啟 http://localhost:8080

疑難排解

(sqlite3.OperationalError) table organizations already exists — 你遇到了 pip install skyvern==1.0.31 中的已知錯誤。修正方式:

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

如果你仍在使用 1.0.31 且無法升級,請改用 uv 安裝:

uv pip install skyvern

pip install skyvern 因 ResolutionImpossible(litellm / fastmcp)而失敗 — 你遇到了 1.0.31 中的相依性解析衝突。請升級至 1.0.32 以上版本,或使用 uv:uv pip install skyvern。

SDK

Skyvern 是一款加入 AI 自動化功能的 Playwright 擴充套件。 它提供 Playwright 的完整功能,並額外具備 AI 能力——使用自然語言提示與元素互動、擷取資料,以及自動化複雜的多步驟工作流程。

安裝:

  • Python SDK / 雲端 API:pip install skyvern
  • 含瀏覽器和頁面命令的 Python SDK,包括 Skyvern.local():pip install "skyvern[local]"
  • 本機 API 伺服器:pip install "skyvern[server]",然後執行 skyvern quickstart
  • 使用自有 Postgres 的本機 API 伺服器:pip install "skyvern[server]",然後執行 skyvern quickstart --database-string=postgresql+psycopg://user:pass@host:5432/dbname
  • Web UI:pip 套件不包含此項目。請使用 Docker Compose,或從原始碼簽出版本執行 skyvern run ui。
  • TypeScript:npm install @skyvern/client

AI 驅動的頁面命令

Skyvern 直接在頁面物件上加入四個核心 AI 命令:

命令說明
page.act(prompt)使用自然語言執行操作(例如「點擊登入按鈕」)
page.extract(prompt, schema)從頁面擷取結構化資料,可選擇使用 JSON schema
page.validate(prompt)驗證頁面狀態,回傳 bool(例如「檢查使用者是否已登入」)
page.prompt(prompt, schema)向 LLM 傳送任意提示,可選擇指定回應 schema

此外,page.agent 提供更高階的工作流程命令:

命令說明
page.agent.run_task(prompt)執行複雜的多步驟工作
page.agent.login(credential_type, credential_id)使用已儲存的憑證進行驗證(Skyvern、Bitwarden、1Password)
page.agent.download_files(prompt)導覽並下載檔案
page.agent.run_workflow(workflow_id)執行預先建置的工作流程

AI 增強的 Playwright 操作

所有標準 Playwright 操作都支援選用的 prompt 參數,以使用 AI 尋找元素:

操作PlaywrightAI 增強
點擊page.click("#btn")page.click(prompt="Click login button")
填寫page.fill("#email", "a@b.com")page.fill(prompt="Email field", value="a@b.com")
選取page.select_option("#country", "US")page.select_option(prompt="Country dropdown", value="US")
上傳page.upload_file("#file", "doc.pdf")page.upload_file(prompt="Upload area", files="doc.pdf")

三種互動模式:

# 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")

核心 AI 命令 - 範例

# 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")

快速入門範例

透過 UI 執行:

skyvern run all

從原始碼簽出版本前往 http://localhost:8080,即可透過 Web 介面執行工作。pip 安裝不包含 Web UI,因此 skyvern run all 只會在 http://localhost:8000. 啟動 API 伺服器。

若要只執行 UI,並連線至現有的 Skyvern API,請複製此儲存庫、安裝 Node.js,並在從儲存庫根目錄執行 skyvern run ui 前設定以下環境變數:

  • VITE_API_BASE_URL(例如 http://localhost:8000/api/v1)— 指定 UI 要連線的 Skyvern API
  • VITE_SKYVERN_API_KEY — API 要求金鑰時使用的 API 金鑰
  • VITE_WSS_BASE_URL — WebSocket 端點(若未設定,會從 VITE_API_BASE_URL 推斷)
  • VITE_ARTIFACT_API_BASE_URL — 成品下載的基礎 URL
  • VITE_BROWSER_STREAMING_MODE — 瀏覽器視窗串流模式

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();

簡易工作執行:

from skyvern import Skyvern

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

進階用法

控制自己的瀏覽器(Chrome)

讓 Skyvern 控制你現有的 Chrome 瀏覽器,並使用其中所有 Cookie、登入狀態和擴充功能。

步驟 1:在 Chrome 中啟用遠端偵錯

  1. 開啟 Chrome 並前往 chrome://inspect/#remote-debugging
  2. 點擊 Enable 以啟動偵錯伺服器
  3. 你應該會看到:Server running at: 127.0.0.1:9222

[!TIP] skyvern init browser 命令可以自動完成此操作——它會開啟 chrome://inspect/#remote-debugging、等待你啟用功能,並儲存設定。

步驟 2:連線 Skyvern

選項 A — Python 程式碼:

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",
)

選項 B — Skyvern 服務:

在 .env 檔案中新增兩個變數:

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

重新啟動 Skyvern 服務 skyvern run all,並透過 UI 或程式碼執行工作

將 Skyvern Cloud 連線至本機瀏覽器

讓 Skyvern Cloud 控制在你電腦上執行的 Chrome 瀏覽器,並使用其中所有現有的 Cookie、登入狀態和擴充功能。適合自動化你已登入或位於 VPN 後方的網站。

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

接著,在工作中使用通道 URL:

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] 透過通道公開瀏覽器時,請務必使用 --api-key。若未使用,任何取得 URL 的人都能完全控制你的瀏覽器。請參閱安全性文件。

所有選項、手動設定通道的方式及疑難排解,請參閱完整文件。

取得執行結果的一致輸出 schema

你可以加入 data_extraction_schema 參數來達成:

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"
            }
        }
    }
)

用於偵錯的實用命令

# 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

效能與評估

Skyvern 在 WebBench 基準測試中達到 SOTA 表現,準確率為 64.4%。技術報告與評估結果請見此處。

WRITE 工作的效能(例如填寫表單、登入、下載檔案等)

Skyvern 是執行 WRITE 工作(例如填寫表單、登入、下載檔案等)表現最佳的代理程式,這類工作主要用於鄰近 RPA(機器人流程自動化)的任務。

Skyvern 功能

Skyvern 工作

工作是 Skyvern 的基本組成單位。每個工作都是向 Skyvern 提出的一項請求,指示它瀏覽網站並完成特定目標。

工作需要指定 url、prompt,也可以選擇加入 data schema(若希望輸出符合特定 schema)和 error codes(若希望 Skyvern 在特定情況下停止執行)。

Skyvern 工作流程

工作流程可將多個工作串連起來,形成一個完整的工作單位。

例如,若要下載所有日期晚於 1 月 1 日的發票,可以建立一個工作流程:先前往發票頁面,再篩選出日期晚於 1 月 1 日的發票,擷取所有符合條件的發票清單,然後逐一下載。

另一個例子是自動化從電子商務商店購買商品。工作流程可以先前往所需商品頁面,再將商品加入購物車。接著前往購物車並驗證購物車狀態。最後完成結帳流程並購買商品。

支援的工作流程功能包括:

  1. 瀏覽器工作
  2. 瀏覽器操作
  3. 資料擷取
  4. 驗證
  5. For 迴圈
  6. 檔案解析
  7. 傳送電子郵件
  8. 文字提示
  9. HTTP 請求區塊
  10. 自訂程式碼區塊
  11. 將檔案上傳至區塊儲存空間
  12. (即將推出)條件判斷

## 即時串流 Skyvern 可將瀏覽器的檢視畫面即時串流到您的本機電腦,讓您確切看到 Skyvern 在網頁上執行的操作。這有助於偵錯、了解 Skyvern 如何與網站互動,並在必要時介入。

表單填寫

Skyvern 原生支援填寫網站上的表單欄位。透過 navigation_goal 傳入資訊,即可讓 Skyvern 理解資訊並據此填寫表單。

資料擷取

Skyvern 也能從網站擷取資料。

您也可以直接在主要提示中指定 data_extraction_schema,以 jsonc 格式告訴 Skyvern 您想從網站擷取哪些資料。Skyvern 的輸出會依照提供的結構描述進行整理。

檔案下載

Skyvern 也能從網站下載檔案。所有下載的檔案都會自動上傳至區塊儲存空間(若已設定),您可以透過 UI 存取這些檔案。

驗證

Skyvern 支援多種不同的驗證方式,讓您更輕鬆地自動化需要登入的任務。若您想試用,請透過電子郵件或 discord 聯絡我們。

🔐 支援 2FA(TOTP)

Skyvern 支援多種不同的 2FA 方法,讓您能自動化需要 2FA 的工作流程。

例如:

  1. 以 QR code 為基礎的 2FA(例如 Google Authenticator、Authy)
  2. 電子郵件 2FA
  3. 簡訊 2FA

🔐 在此處深入了解 2FA 支援。

密碼管理工具整合

Skyvern 目前支援以下密碼管理工具整合:

  • Bitwarden
  • 自訂憑證服務(HTTP API)
  • 1Password
  • LastPass

Model Context Protocol (MCP)

Skyvern 支援 Model Context Protocol (MCP),讓您可以使用任何支援 MCP 的 LLM。

請參閱此處的 MCP 文件。

Zapier / Make.com / N8N 整合

Skyvern 支援 Zapier、Make.com 和 N8N,讓您能將 Skyvern 工作流程連接至其他應用程式。

🔐 在此處深入了解 2FA 支援。

Skyvern 的真實案例

我們很樂於看到 Skyvern 在實際環境中的各種應用。以下是一些 Skyvern 用於自動化實際工作流程的案例。歡迎提交 PR,新增您自己的案例!

在許多不同網站下載發票

預約示範,觀看實際操作

自動化求職申請流程

💡 查看實際操作

自動化製造公司的物料採購

💡 查看實際操作

前往政府網站註冊帳戶或填寫表單

💡 查看實際操作

填寫各式各樣的聯絡我們表單

💡 查看實際操作

以任何語言向保險業者取得保險報價

💡 查看實際操作

💡 查看實際操作

貢獻者環境設定

請確認已安裝 uv。

  1. 執行以下指令建立虛擬環境(.venv)
    uv sync --group dev
    
  2. 執行初始伺服器設定
    uv run skyvern quickstart
    
  3. 在瀏覽器中前往 http://localhost:8080,開始使用 UI Skyvern CLI 支援 Windows、WSL、macOS 和 Linux 環境。

文件

如需更完整的文件,請參閱我們的📕 文件頁面。如果有任何內容不清楚或有所缺漏,請提交 issue,或透過電子郵件或 discord 聯絡我們。

支援的 LLM

ProviderSupported Models
OpenAIGPT-5.5, GPT-5.4, GPT-5, GPT-4.1, o3, o4-mini
AnthropicClaude 4.7 Opus, Claude 4.6 (Sonnet, Opus), Claude 4.5 (Haiku, Sonnet, Opus)
Azure OpenAIAny GPT models deployed to your Azure subscription
AWS BedrockClaude 4.7, Claude 4.6 (Sonnet, Opus), Claude 4.5 (Sonnet, Opus)
GeminiGemini 3.1 Pro, Gemini 3 Flash, Gemini 2.5 Pro/Flash
Ollama透過 Ollama 執行任何本機託管的模型
OpenRouter透過 OpenRouter 存取模型
OpenAI-compatible任何符合 OpenAI API 格式的自訂 API 端點(透過 liteLLM)

如需 LLM 設定的詳細資訊,包括所有可用的模型金鑰、環境變數和多模型設定,請參閱 LLM 設定文件。

參與貢獻

歡迎提交 PR 和建議!歡迎提交 PR/issue,或透過電子郵件或 discord 聯絡我們。 請參閱我們的貢獻指南和 「Help Wanted」issues,開始參與貢獻!

如果您想與 skyvern 儲存庫對話,了解其架構、如何以此為基礎進行開發,以及如何解決使用上的疑問,請參閱 Code Sage。

遙測

預設情況下,Skyvern 會收集基本使用統計資料,協助我們了解 Skyvern 的使用情況。若要選擇退出遙測,請將 SKYVERN_TELEMETRY 環境變數設為 false。

授權

Skyvern 的開源儲存庫由代管雲端服務提供支援。Skyvern 的所有核心邏輯都可在此開源儲存庫中取得,並採用 AGPL-3.0 License 授權,但我們代管雲端服務提供的反機器人措施除外。

如果您對授權有任何疑問或疑慮,請聯絡我們,我們很樂意提供協助。

星星歷史

Star History Chart