Notte：让 AI 代理像人一样操控浏览器

图1：Notte 项目 Logo

一、痛点切入：为什么 Web 自动化需要新范式？

想象这样一个场景：某电商公司的数据分析师每天要完成 50 份竞品页面数据的采集——点开页面、滚动、提取信息、关掉标签页、再重复。这些动作枯燥、重复、毫无技术含量，却占据了大量工作时间。

传统方案有两类：其一，使用 Selenium/Playwright 等浏览器自动化工具，写死操作步骤，页面稍有改动就全部失效；其二，让大模型直接操控浏览器，但 Token 消耗惊人——单次复杂任务可能花费数美元，而且 AI 经常在页面交互中「迷失」，无法稳定完成任务。

Notte 正是为解决这两个极端的痛点而生：将确定性脚本逻辑与 AI 智能结合，用脚本处理规律性操作，只在必要时引入 AI 决策，从而将成本降低 50% 以上，同时显著提升任务成功率。

二、项目背景与团队

Notte 由 Notte Labs 开发，GitHub 仓库建立于 2024 年 12 月，是一家专注于 AI 浏览器自动化基础设施的初创公司。项目采用 Monorepo 架构，Python 3.11+ 为核心语言栈，通过 uv 包管理器和多包 workspace 模式组织代码。当前已发布 PyPI 包，版本 1.4.4，SSPL-1.0 开源许可。

根据官方披露的数据，Notte 在 WebVoyager benchmark 中取得了 Agent 自评 86.2% / LLM 评估 79.0% 的成绩，平均每任务耗时仅 47 秒，任务可靠性达 96.6%——三项指标均显著领先同类竞品 Browser-Use（77.3% / 60.2%，113秒，83.3%）。

项目已积累 1976 stars、184 forks，拥有活跃的 issue 反馈机制（当前 16 个 open issues），近期更新频繁（2026年6月10日仍有 push），开发活跃度较高。

三、核心功能详解

3.1 混合工作流：脚本 + AI 的最优解

Notte 的核心理念是「脚本确定性，AI 解决不确定性」。开发者可以用 Playwright 兼容的操作原语（click、type、screenshot 等）编写精确的交互逻辑，同时让 AI agent 负责理解页面语义、处理异常情况、做出复杂决策。

以电商数据采集为例：固定的翻页、关闭弹窗操作由脚本处理；识别「价格」「规格」「评论数」等数据字段由 AI agent 完成。这种分工使 Token 消耗大幅降低，同时任务成功率更高。

3.2 Structured Output：Pydantic 驱动的结构化数据提取

Notte 支持通过 Pydantic 模型定义输出格式，agent 运行后直接返回符合 schema 的结构化数据。例如，定义一个 HackerNewsPost 模型后，agent 会自动提取标题、URL、分数、作者、评论数，并封装为类型安全的结果对象，无需任何后处理。

from pydantic import BaseModel
class HackerNewsPost(BaseModel):
    title: str; url: str; points: int
    author: str; comments_count: int

3.3 Stealth 模式：绕过反爬与 CAPTCHA

浏览器自动化最头疼的障碍之一是网站反爬机制。Notte 提供了内置的 CAPTCHA 自动识别与解决能力，并支持代理池配置，可使用美国等地区的代理 IP。配合 open_viewer=True 参数还能实时查看 agent 的操作过程，方便调试和演示。

3.4 Agent Vault：企业级凭证管理

对于需要登录才能访问的网站，Notte 提供了 Vault 功能——集中管理邮箱、密码、MFA 令牌、SSO 凭证。Agent 在执行任务时会自动调用 Vault 中的凭证，无需在代码中硬编码敏感信息。

3.5 Agent Persona：数字身份创建

Persona 功能允许 agent 拥有独立的数字身份，包括专属邮箱地址、电话号码，甚至自动处理 2FA 验证码。这对于需要批量创建账号、填写表单 RSVP 等场景尤为有用。

四、技术架构

图2：Notte 技术架构概览

Notte 采用 Monorepo 架构，分为 8 个独立子包：

• notte-core：核心接口定义与通用工具
• notte-browser：浏览器自动化底层，基于 Patchright（Playwright 的 Python 分支）
• notte-agent：AI Agent 推理引擎，负责任务规划与执行
• notte-sdk：面向终端用户的 Python SDK，提供简洁 API
• notte-llm：LLM 接口层，对接 LiteLLM，支持 Claude/GPT-4/Gemini/Groq/Ollama 等多模型
• notte-integrations：第三方集成扩展
• notte-eval：自动化评测框架，内置 WebVoyager benchmark
• notte-mcp：Model Context Protocol 支持

项目使用 uv 进行依赖管理与 workspace 协调，强制类型检查（pyright/mypy），pre-commit hooks 保障代码质量。评测框架支持通过 TOML 文件配置 benchmark 参数，确保实验可复现性。

五、部署与上手

Notte 提供两种运行模式：

本地模式（开源）：通过 pip install notte + patchright install --with-deps chromium 即可安装。需要自备 LLM API Key（Groq / OpenAI / Anthropic），默认使用 Groq 的 LLaMA-3.3-70B 免费配额。用 uv sync --dev --all-extras 可安装全部依赖与开发工具。

SDK 模式（推荐）：在 Notte Console 注册获取 API Key，使用 notte_sdk 包，浏览器会话由 Notte 托管平台提供，省去本地环境配置的麻烦。SDK 模式还享有 Stealth 代理池、CAPTCHA 自动解决等高级功能。

本地模式切换到 SDK 模式仅需改两行 import——框架设计之初就考虑了这一迁移路径。

不足之处：项目目前不提供 Dockerfile 或 docker-compose，缺少容器化一键部署方案。对于无 Python 环境的用户来说，配置 uv + patchright 依赖仍有一定门槛。

六、效果演示

图3：Notte Agent 执行多步骤任务的动态演示

图4：Agent 观察页面状态并做出决策

图5：完整任务执行流程示例

七、行业意义与局限

Notte 代表了 Web 自动化领域的最新演进方向——AI 原生的浏览器操控框架。传统 Selenium/Playwright 的脚本固定、页面敏感问题被彻底重构：AI agent 理解页面语义而非机械执行指令，使自动化真正具备了一定的「通用性」。

从 benchmark 数据看，Notte 在任务可靠性和执行速度上已大幅领先 Browser-Use 等竞品，但其局限也不可忽视：

1. 依赖商业 API：本地模式虽然可用，但 Stealth 高级功能、CAPTCHA 解决等核心能力仍需依赖 Notte 云服务（非开源）
2. SSPL 许可：项目采用 SSPL-1.0 许可（MongoDB 风格），将云服务竞争纳入约束，商业使用需注意合规风险
3. 生态尚在早期：benchmark 仅集成 WebVoyager，插件/社区生态还未充分展开

总体而言，Notte 是当前最值得关注的 Web Agent 框架之一。对于需要批量处理网页数据、自动化测试、内容采集等场景的开发者，它的混合工作流设计兼顾了成本与可靠性，值得一试。

---

数据来源：GitHub (nottelabs/notte)、WebVoyager Benchmark、Notte 官方文档