strawmanus

Агент управления браузером, который объединяет слой действий Manus со слоем сессий, селекторов и переиспользования Strawberry.

У Manus лучшие руки: плоский API браузера из 12 инструментов, запасной вариант с координатами, когда не срабатывает определение элементов, запасной выход через JS-консоль, восприятие в первую очередь через markdown и строгий цикл «один инструмент за итерацию». У Strawberry (Dendrite Systems) лучше тело и память: он работает в вашем реальном браузере с выполненным входом, находит элементы по естественно-языковому описанию и кэширует результат, так что самовосстанавливается при изменении сайта, сохраняет успешные задачи как воспроизводимые навыки и спрашивает перед любым необратимым действием.

По отдельности ни один не работает. Manus заново платит полную стоимость модели при каждом повторе задачи и, работая в одноразовой Linux-песочнице, структурно не может пройти за стену логина. Strawberry закрыт и не предоставляет примитивов для программирования. strawmanus — это комбинация: пространство действий Manus, управляемое внутри вашего собственного Chrome, с кэшированием каждого разрешения элемента.

Установка

pip install -r requirements.txt && playwright install chromium

observe работает без API-ключа. Всё, что управляется моделью, требует ключ:

export ANTHROPIC_API_KEY=sk-ant-...

Затем проверьте окружение:

python -m strawmanus doctor

Related MCP server: agent-browser-mcp

Использование

# See exactly what the agent sees — no API key, no model call
python -m strawmanus observe --url https://github.com/trending

# Run a task
python -m strawmanus run "top 5 trending TypeScript repos today, 2 sources per fact" --expect 5

# Log in once by hand; later headless runs inherit the session
python -m strawmanus auth --url linkedin.com

# Save a successful run as a skill, then replay it with new arguments
python -m strawmanus run "search for Acme Corp" --save-skill find-co --param company="Acme Corp"
python -m strawmanus replay find-co --arg company="Globex Inc"

# Fan subtasks across tabs (they share the logged-in browser)
python -m strawmanus companions "price Linear" "price ClickUp" "price Asana"

# Score against the seat-free Strawberry benchmarks
python -m strawmanus bench --tasks B9,B12 --judge --csv scores.csv

Глобальные флаги: --profile {cloned,real,fresh,attach} · --headless · --max-steps N · --auto-approve · --allow DOMAIN · --parallel N · --cdp URL.

Состояние хранится в ~/.strawmanus/: sm.db (кэш селекторов, память, журнал запусков), skills/, runs/<stamp>-<slug>/{report.md,trace.json,guard.json}, profile/.

Как это работает

1. Восприятие — это три слоя в одной полезной нагрузке

[page] url=https://github.com/trending | title='Trending repositories on GitHub today · GitHub' | viewport 1/3 | tabs=1

[interactive] (viewport only; use index, or coordinate_x/coordinate_y for anything missing)
  0[:]<a>Homepage</a>
  1[:]<button>Platform</button>
  ...
  52[:]<a>obra / superpowers</a>
  53[:]<a>275,441</a>
  60[:]<a>You must be signed in to star a repository</a>

[markdown] (whole page, links/images stripped — if this answers the question, do not scroll)
# Trending
## RyanCodrai / turbovec
A vector index built on TurboQuant, written in Rust with Python bindings
348 stars today
...

Интерактивные элементы — только в пределах видимой области, в точном формате Manus index[:]<tag>text</tag>, с проверкой попадания через elementFromPoint, чтобы перекрытые элементы управления отбрасывались. Markdown покрывает весь документ, включая часть ниже сгиба — это настоящий рычаг стоимости, потому что большинство вопросов, требующих только чтения, получают ответ без единой прокрутки. Скриншоты — по желанию, для случаев, когда DOM действительно неоднозначен.

Поля паролей, OTP и карт индексируются, чтобы их можно было заполнить, но их текст и значение никогда не попадают в контекст модели:

  4[:]<input type=password><redacted secret field></input>

2. 12 инструментов Manus, дословно — плюс 5

browser_view · browser_navigate · browser_restart · browser_click · browser_input · browser_move_mouse · browser_press_key · browser_select_option · browser_scroll_up · browser_scroll_down · browser_console_exec · browser_console_view

Названия сохранены точно, потому что модели уже обобщают их, и опубликованные поведенческие правила Manus переносятся напрямую. Добавлено сверху:

Клик эскалирует, а не заходит в тупик: index → координаты из bbox снимка → browser_console_exec → browser_takeover. Три последовательных сбоя на странице внедряют лестницу эскалации в цикл.

3. Кэш селекторов — самый большой выигрыш

(domain, normalized description) → {selector, fingerprint{tag, role, text_hash}, hits, misses} в SQLite.

Порядок разрешения: попадание в кэш → проверить отпечаток → использовать его, с нулевыми вызовами модели. При несовпадении или промахе модель выбирает индекс из списка элементов, и кэш перезаписывается — самовосстановление Dendrite, аналога которого у Manus нет. Повторно воспроизведённый навык на здоровой странице стоит вообще без вызовов модели; strawmanus cache показывает, что накопилось.

4. Сначала настоящий браузер

По умолчанию используется постоянный профиль Chrome, которым владеет strawmanus — реальные куки, стены логина уже пройдены, никакие учётные данные нигде не хранятся. --profile real использует ваш реальный профиль (Chrome должен быть закрыт), --profile attach подключается к Chrome, который вы запустили сами с --remote-debugging-port=9222, --profile fresh даёт чистое окружение для воспроизводимого бенчмаркинга. strawmanus auth --url <site> — это паттерн Dendrite: вы входите вручную один раз, состояние хранилища сохраняется для последующих headless-запусков.

5. Ничего необратимого не происходит молча

Каждое действие классифицируется как read / soft-write / irreversible перед отправкой. Отправка, submit, оплата, удаление, публикация, подача заявки, подписка, перевод, merge, push — а также Enter, нажатый в поле ввода — удерживаются для подтверждения с предпросмотром цели и полезной нагрузки:

  ⚠  irreversible action held for confirmation
     what: click 'Send invoice' on x.com
      why: click target text contains 'send'
     approve? [y/N]

--auto-approve применяется только к доменам, переданным с --allow. Удержанные действия перечислены в отчёте в разделе «Held for your approval (not performed)», так что заблокированный шаг виден, а не молча отсутствует. Каждое решение записывается в guard.json.

6. Факт без источника не может быть напечатан

Рубрика бенчмарка Strawberry применяется во время выполнения, а не оценивается задним числом. Факты попадают в реестр с URL, из которого они реально прочитаны; страница результатов поисковой системы отклоняется как источник, и модели говорится открыть реальную страницу. Уверенность механическая — High (2+ официальных источника), Medium (1), Low (вывод) — и report.render() вызывает исключение, а не выдаёт утверждение без источника. Отчёты завершаются фиксированной строкой статуса, блокерами, телеметрией и самооценкой автономии агента:

**Status:** Complete | **Entities Found:** 5/5 | **Duration:** 6.2 min

7. Навыки и компаньоны

Успешный трейс дистиллируется в параметризованный навык: шумовые инструменты отбрасываются, буквальные значения аргументов заменяются на {{param}}, текст элементов сохраняется, чтобы каждый шаг можно было найти заново при воспроизведении. Компаньоны распределяют подзадачи по вкладкам за семафором, каждая со своим потоком событий, разделяя один браузер с выполненным входом.

Передайте браузер напрямую Claude

Всё вышеперечисленное управляет агентом из CLI. serve-mcp инвертирует это: браузер становится инструментом, которым Claude владеет в разговоре, один постоянный Chrome, который остаётся открытым между ходами, управляется вызов за вызовом, а рассуждения происходят в чате, а не в скриптованном цикле.

claude mcp add strawmanus -- python -m strawmanus serve-mcp

Самодельный JSON-RPC 2.0 поверх stdio, без дополнительных зависимостей. Все 17 инструментов браузера плюс 9 торговых инструментов. Chrome запускается при первом вызове инструмента, а не при регистрации, поэтому добавление сервера не открывает окно. browser_takeover возвращается немедленно, а не блокируется на input() — здесь stdin является каналом протокола, поэтому блокировка привела бы к взаимоблокировке сервера; вместо этого модель останавливается и спрашивает вас в разговоре.

Торговые инструменты нацелены на Olymp Trade и включают арифметический слой, журнал, в котором записываются обоснования каждой сделки, и ограничения риска, применяемые в коде ниже слоя рассуждений, так что отказ окончателен. Предположение дизайна состоит в том, что «нет преимущества» — это вероятный ответ, и ворота демо-доказательств существуют, чтобы этот ответ был достижим: реальные деньги требуют нижней границы 95% интервала Уилсона для преодоления безубыточности, а не точечной оценки. Демо-запись из 120 сделок с процентом побед 61,7%, в плюсе на 146,80, всё ещё сообщает edge proven NO.

TRADING.md содержит полную картину, включая условия использования и структурные риски, которые вы должны прочитать, прежде чем направлять это на реальные деньги.

Бенчмарки

bench/tasks.json содержит 9 задач из опубликованной спецификации B1–B12 Strawberry, которые не требуют платного места (B6–B8 требуют доступа к LinkedIn Sales Navigator / CRM / ATS), оцениваемых по его рубрике — Data Accuracy 35, Source Quality 25, Completeness 25, Insight 10, Speed 5 — за вычетом таблицы штрафов, возглавляемой −20 за каждую выдуманную точку данных.

На каждый бенчмарк выполняется два прохода. Механический проход не требует модели и выявляет, что на самом деле идёт не так: факты без источников, факты с одним источником, нехватка сущностей, превышение временной оценки, уклончивые числовые формулировки. Затем проход --judge оценивает с помощью отдельного вызова модели, которая видит только выданный markdown — агент никогда не оценивает свою собственную работу.

Тесты

python tests/test_core.py    # 33 offline: no browser, no network, no API key
python tests/test_live.py    # 6 end-to-end: real headless Chrome, scripted stub model

Живой набор тестов запускает весь стек против реального DOM с моделью, заменённой скриптом, что делает инварианты проверяемыми без ключа: снимок JS против реального HTML, охранник, отказывающий в Send invoice и разрешающий Show details (проверяется по собственному состоянию страницы, а не по возвращаемому значению), кэш, переходящий из холодного в тёплый при неизменном количестве вызовов модели, один вызов инструмента за итерацию, отклонённый и зарегистрированный источник-фрагмент, и навык, воспроизведённый с новым аргументом.

Структура

strawmanus/
  cli.py  config.py  loop.py  llm.py
  prompts/system.md          # agent loop, browser, information, safety, deliverable rules
  browser/
    session.py   # CDP attach / persistent profile / fresh context, tabs, storage state
    observe.py   # the three-layer observation
    actions.py   # Manus's 12 + 5, on Playwright
    selectors.py # NL selector → cache → fingerprint verify → self-heal
    guard.py     # risk classifier, confirm gate, secret redaction
  memory/
    store.py     # SQLite: prefs, per-domain quirks, run log
    skills.py    # trace → parameterized skill; replay with relocation
  research/
    sourcing.py  # citation ledger
    report.py    # the deliverable contract
  bench/
    tasks.json  judge.py

Ещё не реализовано

Триггеры (запуск навыка по метке Gmail или PR на GitHub), MCP-коннекторы и файловые инструменты Manus спроектированы, но не реализованы. Цикл, управляемый моделью, был протестирован end-to-end против скриптованного стаба, но ещё не против живого API-ключа.