Skip to content

About

Um LLM assume o Chrome e cumpre a missão sozinho: 2 agentes (planejador e executor) e 2 memórias navegam no site de RI e baixam o PDF de resultados — LangChain, Llama 3.3 70B e Playwright.

Resources

Stars

0 stars

Watchers

0 watching

Forks

Repository files navigation

agente-browser: Um LLM assume o Chrome e cumpre a missão sozinho.

Python 3.10+ LangChain Llama 3.3 70B Playwright Chromium Licença MIT

Arquitetura · Como rodar · O que torna a missão confiável · Estrutura do projeto

Agente Browser — Fase 3 (Localiza RI)

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.


Arquitetura (dois agentes + 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).


Estrutura do projeto

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

Como rodar

Pré-requisito: Python 3.10+ (testado no 3.14). O projeto já vem com um venv.

  1. Instale as dependências (dentro do venv):

    .\venv\Scripts\python.exe -m pip install -r requirements.txt
    .\venv\Scripts\python.exe -m playwright install chromium
  2. Configure a chave: copie .env.example para .env e preencha NVIDIA_API_KEY.

    Copy-Item .env.example .env
  3. Rode o agente (com o Chrome visível — ideal para gravar):

    .\venv\Scripts\python.exe agente.py

    O PDF é salvo em downloads/divulgacao_resultados_2026.pdf.

Teste do navegador (sem LLM, não consome API)

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.py

O que torna a missão confiável (decisões de engenharia)

A 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

Entrega para o professor (gravação)

Rode python agente.py (com HEADLESS_MODE=false) e capture:

  1. O Chrome abrindo e navegando sozinho até a Central de Resultados e baixando o arquivo.
  2. 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.

About

Um LLM assume o Chrome e cumpre a missão sozinho: 2 agentes (planejador e executor) e 2 memórias navegam no site de RI e baixam o PDF de resultados — LangChain, Llama 3.3 70B e Playwright.

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages