新上线今天0 投票
亚马逊 Bedrock AgentCore 浏览器推出操作系统级操作：打破网页自动化边界
亚马逊云科技宣布为 AgentCore Browser 引入 操作系统级操作（OS Level Actions） 能力。这一新特性通过 InvokeBrowser API 暴露直接的操作系统控制，使 AI 代理不仅能与浏览器网页层（DOM）交互，还能操控屏幕上由操作系统渲染的界面元素——包括原生对话框、安全提示、证书选择器、右键菜单、Chrome 设置等。
传统网页自动化工具（如 Playwright、Chrome DevTools Protocol）受限于浏览器 DOM，无法触及操作系统层级的 UI。当应用调用 window.print() 弹出系统打印对话框、或遇到 macOS 隐私弹窗、Windows 安全提示时，自动化流程就会中断。对于视觉 AI 代理，问题更突出：截图能捕获原生 UI，模型也能推理出操作意图，但后续执行却无路可走。
OS Level Actions 通过组合 全桌面截图 与 鼠标/键盘操作系统级控制，让代理在同一个会话中观察、推理并操作原生界面。该能力无需额外配置即可用于现有浏览器环境，支持鼠标点击、键盘输入、快捷键、滚动、拖放等操作。
这一更新对需要处理复杂认证流程、文件上传下载、浏览器设置变更或跨应用交互的自动化场景意义重大。它弥补了网页自动化与系统级操作之间的鸿沟，为构建更鲁棒的企业级 AI 代理铺平道路。开发者现在可以通过 Amazon Bedrock 的 AgentCore 服务体验这一能力。