Dify进阶：用语言控制浏览器行为

闲聊开场

我们前面花了很大的功夫，安装了一个名叫selenium的工具。为了降低该工具安装的难度（直接部署有可能出现汉字乱码等问题），也是直接采用了官方的镜像进行了安装。

但是，我们是一个Agent的系列课程，那么我怎么把selenium和Agent扯上关系呢？

其实也简单。

比如，我可以通过语言，控制selenium容器打开浏览器。

感谢有朋友指出文章里的错误，已更正。请放心食用。

Dify的工具

dify有很多工具。

要实现咱这个，有四种方案：
一是，把我们想要的功能封装成OpenAPI，再按照自定义工具，进行注册
二是，把我们想要的功能封装成OpenAPI，再按照HTTP组件的形式进行调用
三是，把官方的API，按照HTTP组件的形式进行调用
四是，把官方的API，按照request写成python代码，利用执行代码模块进行调用。

我们试试第三个。

你好AI，请帮我打开浏览器

我们打开这个页面（要在上一节的基础上）：

找个终端(linux或者wsl)，输入指令：