Arquitetura · Como rodar · O que torna a missão confiável · Estrutura do projeto
Um agente que assume o navegador sozinho e cumpre uma missão: abrir o site de RI da Localiza, navegar pelo menu Informações aos Acionistas → Central de Resultados, esperar a página carregar e baixar o PDF de "Divulgação de Resultados" de 2026 (1T26).
A diferença para um script comum é que um LLM decide cada passo, em vez de seguir comandos fixos. A arquitetura segue exatamente a missão pedida: dois agentes (um que sabe as tarefas e outro que executa) + duas memórias.
┌──────────────────────────────────────────────────────┐
│ ORQUESTRADOR (loop) │
│ │
missão → │ PLANEJADOR ──manda o próximo passo──▶ EXECUTOR │
│ (sabe as ◀──resultado─── (age no │
│ tarefas) Chrome) │
└───────┬───────────────────────────────────────┬───────┘
│ │
Memória Contextual Memória Semântica
(plano, passo atual, histórico) (cache de seletores que deram certo)
- Agente 1 — Planejador (
agente_planejador.py): transforma a missão num plano de passos, manda o próximo passo para o Executor e avalia o resultado (avançar / repetir / concluir). É o "gerente". - Agente 2 — Executor (
agente_executor.py): recebe um passo, olha a página e decide (via LLM) a ação concreta no navegador. É o "operador". - Memória Contextual (
memoria.py→MemoriaContextual): mantém o plano, o passo atual e o histórico. É o que evita o agente se perder entre as etapas. - Memória Semântica (
memoria.py→MemoriaSemantica): cache local em JSON das estratégias que funcionaram (recuperadas por similaridade de texto). Em novas execuções, o Executor "lembra" como achou cada seção.
O LLM é a Llama 3.3 70B da NVIDIA, acessada via LangChain
(langchain_openai.ChatOpenAI apontando para o endpoint NIM, compatível com a
API da OpenAI).
agente-browser/
├── agente.py # ponto de entrada: python agente.py
├── orquestrador.py # o loop que conecta Planejador ↔ Executor ↔ navegador
├── agente_planejador.py # AGENTE 1 — sabe as tarefas (cria plano, avalia)
├── agente_executor.py # AGENTE 2 — executa as etapas no Chrome
├── memoria.py # MemoriaContextual + MemoriaSemantica
├── navegador.py # ferramentas Playwright (capturar, navegar, baixar...)
├── llm.py # fábrica do LLM (LangChain/NVIDIA) + parser de JSON
├── config.py # configuração via .env
├── teste_navegador.py # teste do FLUXO no site, SEM LLM (não gasta API)
├── requirements.txt
├── .env.example
└── README.md
Pré-requisito: Python 3.10+ (testado no 3.14). O projeto já vem com um
venv.
-
Instale as dependências (dentro do
venv):.\venv\Scripts\python.exe -m pip install -r requirements.txt .\venv\Scripts\python.exe -m playwright install chromium
-
Configure a chave: copie
.env.examplepara.enve preenchaNVIDIA_API_KEY.Copy-Item .env.example .env -
Rode o agente (com o Chrome visível — ideal para gravar):
.\venv\Scripts\python.exe agente.pyO PDF é salvo em
downloads/divulgacao_resultados_2026.pdf.
Prova só a parte do navegador (navegar + baixar). Ótimo para depurar e para a gravação do "Passo 2" que o professor pede:
.\venv\Scripts\python.exe teste_navegador.pyA primeira versão travava em loop clicando no menu para sempre. Os motivos e as correções:
| Problema | Causa | Correção |
|---|---|---|
| Loop infinito no menu | "Informações aos Acionistas" é um menu de hover; clicar não muda a URL | Avanço de passo controlado pela memória contextual + fallback de URL direta |
| Clicava em itens errados | Capturava elementos ocultos; o índice "desalinhava" entre decidir e executar | Captura só elementos visíveis e age direto no ElementHandle |
| Não achava o PDF | A Central de Resultados é renderizada por JS; os links são ícones sem texto numa tabela | esperar_conteudo() + leitura da tabela por coluna ("1T26 | Divulgação de Resultados") |
| Baixava o PDF errado | Heurística pegava o primeiro .pdf (era a Política de Privacidade) |
Seleção pela célula certa (trimestre + coluna) e validação de content-type |
| Download não disparava | O link abre o PDF via api.mziq.com (sem .pdf na URL) |
baixar() trata download nativo, nova aba e baixa pelo href direto como fallback |
Rode python agente.py (com HEADLESS_MODE=false) e capture:
- O Chrome abrindo e navegando sozinho até a Central de Resultados e baixando o arquivo.
- O terminal mostrando as decisões: o Planejador mandando cada passo
(
PLANEJADOR → EXECUTOR: passo X/5) e o Executor agindo (EXECUTOR: decisão...).
Isso prova as duas coisas pedidas: o agente assumindo o browser e raciocinando sobre o que fazer, com dois agentes e memória.