strawmanus

一个浏览器控制代理，融合了 Manus 的动作层 和 Strawberry 的会话、选择器与复用层。

Manus 拥有更好的 手：扁平的 12 工具浏览器 API、元素检测失败时的坐标回退、JS 控制台逃生舱、以 Markdown 为先的感知，以及严格的每次迭代一个工具循环。Strawberry（Dendrite Systems）拥有更好的 身体和记忆：它在您真实登录的浏览器中运行，从自然语言解析元素并缓存结果，从而在网站变化时自我修复，将成功的任务保存为可重放的技能，并在执行任何不可逆操作前询问。

两者单独都无法工作。Manus 在每次重复任务时都会重新支付全部模型成本，并且在一次性的 Linux 沙箱中运行，结构上无法越过登录墙。Strawberry 是封闭的，不暴露任何可编程的原语。strawmanus 是两者的结合：Manus 的动作空间，在您自己的 Chrome 中驱动，每个元素解析都被缓存。

安装

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

observe 无需 API 密钥即可工作。所有模型驱动的内容都需要一个：

export ANTHROPIC_API_KEY=sk-ant-...

然后检查环境：

python -m strawmanus doctor

Related MCP server: agent-browser-mcp

使用

# 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

全局标志：--profile {cloned,real,fresh,attach} · --headless · --max-steps N · --auto-approve · --allow DOMAIN · --parallel N · --cdp URL。

状态存储在 ~/.strawmanus/ 中：sm.db（选择器缓存、记忆、运行日志）、skills/、runs/<stamp>-<slug>/{report.md,trace.json,guard.json}、profile/。

工作原理

1. 感知是单个负载中的三层

[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
...

交互元素仅限视口，采用 Manus 精确的 index[:]<tag>text</tag> 格式，通过 elementFromPoint 进行命中测试，从而丢弃被遮挡的控件。Markdown 覆盖整个文档，包括折叠线以下的内容——这是真正的成本杠杆，因为大多数只读问题无需滚动即可回答。截图是可选加入的，用于 DOM 确实模糊的情况。

密码、OTP 和卡片字段会被索引以便填写，但其文本和值永远不会进入模型的上下文：

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

2. Manus 的 12 个工具，逐字保留——外加 5 个

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

名称被完全保留，因为模型已经对它们进行了泛化，Manus 已发布的行为规则也随之直接转移。在此基础上添加：

点击会升级而非死胡同：索引 → 快照 bbox 的坐标 → browser_console_exec → browser_takeover。页面上连续三次失败会将升级阶梯注入循环。

3. 选择器缓存是最大的胜利

(domain, normalized description) → {selector, fingerprint{tag, role, text_hash}, hits, misses} 存储在 SQLite 中。

解析顺序：缓存命中 → 验证指纹 → 使用它，零模型调用。在不匹配或未命中时，模型从元素列表中选择一个索引，并重写缓存——这是 Dendrite 的自我修复，Manus 没有等价物。在健康页面上重放技能完全不消耗模型调用；strawmanus cache 显示已积累的内容。

4. 真实浏览器优先

默认是 strawmanus 拥有的持久 Chrome 配置文件——真实 cookie、登录墙已解决、任何地方都不存储凭据。--profile real 使用您的实际配置文件（Chrome 必须关闭），--profile attach 连接到您自己在 --remote-debugging-port=9222 上启动的 Chrome，--profile fresh 提供干净的环境以实现可复现的基准测试。strawmanus auth --url <site> 是 Dendrite 模式：您手动登录一次，存储状态被保存以供后续无头运行。

5. 没有不可逆的事情会悄悄发生

每个动作在分派前都被分类为读取 / 软写入 / 不可逆。发送、提交、支付、删除、发布、申请、订阅、转账、合并、推送——以及在撰写字段中按 Enter——都会保留以进行确认，并预览目标和负载：

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

--auto-approve 仅适用于通过 --allow 传递的域。保留的动作在报告中列为“保留供您批准（未执行）”，因此被阻止的步骤是可见的，而不是悄悄缺失。每个决策都写入 guard.json。

6. 没有来源的事实无法打印

Strawberry 的基准评分标准在运行时强制执行，而不是事后评分。事实进入账本，并附有实际读取的 URL；搜索引擎结果页被拒绝作为来源，模型被告知打开真实页面。置信度是机械的——高（2 个以上官方来源）、中（1 个）、低（推断）——并且 report.render() 抛出异常，而不是发出零来源声明。报告以固定的状态行、阻塞项、遥测数据和代理的自我评级自主性结束：

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

7. 技能与同伴

成功的轨迹被提炼为参数化技能：噪声工具被丢弃，字面参数值被替换为 {{param}}，元素文本被保留，以便每个步骤在重放时都能重新定位。同伴在信号量后面将子任务分散到多个标签页，每个标签页都有自己的事件流，共享同一个已登录的浏览器。

直接将浏览器交给 Claude

以上所有内容都从 CLI 驱动代理。serve-mcp 将其反转：浏览器成为 Claude 在对话中持有的工具，一个持久的 Chrome 在轮次之间保持打开，通过工具调用逐次驱动，推理发生在聊天中，而不是脚本化循环中。

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

手工编写的 JSON-RPC 2.0 over stdio，无额外依赖。全部 17 个浏览器工具加上 9 个交易工具。Chrome 在第一次工具调用时启动，而不是在注册时启动，因此添加服务器不会弹出窗口。browser_takeover 立即返回，而不是阻塞在 input() 上——这里 stdin 是协议通道，阻塞会导致服务器死锁；相反，模型会停止并在对话中询问您。

交易工具针对 Olymp Trade，并带有算术层、记录每笔交易背后推理的日志，以及在推理层之下在代码中强制执行的风险限制，因此拒绝是最终的。设计假设是“没有优势”是可能的答案，演示证据门的存在是为了让这个答案可达：真实资金要求 95% Wilson 区间的下限超过盈亏平衡点，而不是点估计。一个 120 笔交易的演示记录，胜率 61.7%，盈利 146.80，仍然报告 edge proven NO。

TRADING.md 提供了完整图景，包括您在将其指向真实资金之前应阅读的 ToS 和结构性风险。

基准测试

bench/tasks.json 包含 Strawberry 已发布的 B1–B12 规范中无需付费席位即可运行的 9 个任务（B6–B8 需要 LinkedIn Sales Navigator / CRM / ATS 访问权限），按其评分标准评分——数据准确性 35、来源质量 25、完整性 25、洞察力 10、速度 5——减去一个惩罚表，最高为每个虚构数据点 −20。

每个基准测试运行两遍。机械遍不需要模型，并捕获实际出错的地方：无来源事实、单一来源事实、实体不足、超出时间估计、模糊的数字语言。--judge 遍随后使用单独的模型调用进行评分，该调用只看到生成的 Markdown——代理从不给自己的作业评分。

测试

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

实时套件在真实 DOM 上运行整个堆栈，模型被脚本替换，这使得不变量无需密钥即可检查：快照 JS 针对真实 HTML，守卫拒绝 Send invoice 而允许 Show details（在页面自身状态上断言，而非返回值），缓存从冷到热且模型调用次数保持平稳，每次迭代一个工具调用，片段来源被拒绝并报告，以及使用新参数重放技能。

布局

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

尚未构建

触发器（从 Gmail 标签或 GitHub PR 触发技能）、MCP 连接器和 Manus 的文件工具已设计但未实现。模型驱动循环已针对脚本化存根进行了端到端测试，但尚未针对实时 API 密钥进行测试。