एआई एजेंट्स कैप्चा को पहचानते हैं सॉल्वर कॉल करने से पहले

TL;DR

• AI एजेंट कैप्चा डिटेक्शन को समर्थित चुनौती साक्ष्य की पहचान करनी चाहिए जब तक कि समाधान टूल को कॉल न किया जाए।
• CapSolver के कोर SDK में चुनौती की पहचान, इसके पैरामीटर को पढ़ना और समाधान के लिए अनुरोध करना अलग-अलग किया जाता है।
• एक खाली पहचान परिणाम का अर्थ है कि SDK ने पृष्ठ के अवलोकित स्थिति में कोई समर्थित चुनौती नहीं खोजी; इसका अर्थ यह नहीं है कि पृष्ठ तैयार है।
• नीचे दिए गए उदाहरण में Google के सार्वजनिक reCAPTCHA प्रदर्शन पृष्ठ के खिलाफ आधिकारिक डिटेक्शन विधि चलाई गई है, बिना किसी समाधान या प्रस्तुति के कुछ भी नहीं किया गया है।
• अगले चरण के लिए वही ब्राउज़र पृष्ठ बनाए रखें, सामान्य पृष्ठ त्रुटियों को कैप्चा से अलग करें, और बाद में मूल कार्य की पुष्टि करें।

एक एजेंट एक पृष्ठ खोलता है लेकिन आगे नहीं बढ़ सकता। यह एक कैप्चा, अपूर्ण पृष्ठ लोड, दर सीमा, या सामान्य फॉर्म त्रुटि के सामने हो सकता है। तुरंत सॉल्वर कॉल करना एक सरल ब्राउज़र समस्या को भ्रमित दोहराए गए प्रतिक्रिया के अनुक्रम में बदल सकता है।

CapSolver द्वारा दस्तावेजीकृत ब्राउज़र-डिटेक्शन विधियां प्रदान की जाती हैं जो समर्थित कैप्चा प्रकारों की पहचान करने में मदद करती हैं। उपयोगी अनुक्रम वर्तमान पृष्ठ की जांच करना, खोजे गए चीजों का वर्गीकरण करना, संबंधित टूल का चयन करना, और अंतिम परिणाम की जांच करना है। यह गाइड इन चरणों को अलग रखता है और छोटे चलाए जा सकने वाले उदाहरण का उपयोग करता है। यह स्वामित्व वाले QA वातावरणों, अनुमोदित ब्राउज़र वर्कफ़्लो के साथ-साथ सार्वजनिक प्रदर्शन पृष्ठों पर केंद्रित है, जिसमें चुनौती की पहचान और एप्लिकेशन कार्य के पूरा करने के बीच स्पष्ट सीमाएं हैं।

दस्तावेजीकृत डिटेक्शन विधियों का उपयोग करें

जब आपके एप्लिकेशन के पास एक संगत ब्राउज़र पृष्ठ का नियंत्रण होता है, तो कोर SDK के डिटेक्शन विधियों का उपयोग करें।

कोर SDK संदर्भ में चार संबंधित ऑपरेशन दस्तावेज़ीकृत किए गए हैं: detect(page) द्वारा पता लगाए गए कैप्चा प्रकार लौटाए जाते हैं; get_captcha_info(page) संरचित पैरामीटर पढ़ता है; solve(info) समाधान के लिए अनुरोध करता है; और solve_on_page(page) ब्राउज़र-आधारित डिटेक्शन, समाधान और भरने के लिए एकजुट करता है।

डिटेक्शन जांच के लिए, डिटेक्शन विधि कॉल करें। अब तक केवल पता लगाने के लिए समाधान विधि का उपयोग न करें। इस चयन को स्पष्ट रखना आसान होता है कि कौन से चरणों में समाधान-सेवा क्रेडेंशियल की आवश्यकता होती है और कौन से चरण केवल ब्राउज़र स्थिति की जांच करते हैं।

SDK कैप्चा-प्रकार एनुमरेशन मान लौटाता है, जो एप्लिकेशन द्वारा अपने स्वयं के स्थिति संदेशों में उपयोग किए गए अर्बिट्ररी लेबल के बजाय होता है। एक स्ट्रिंग प्रतिनिधित्व से मैपिंग बनाने के बजाय दस्तावेज़ीकृत मान को पढ़ें।

CapSolver for AI Agents ओवरव्यू बताता है कि डिटेक्शन और पैरामीटर तैयारी आपके पक्ष से होती है, जबकि वास्तविक पहचान सेवा का उपयोग करती है। यह तब महत्वपूर्ण होता है जब लॉग पढ़े जाते हैं: स्थानीय डिटेक्शन सफल होना समाधान अनुरोध भेजे जाने के प्रमाण नहीं होता।

छोटे डिटेक्शन उदाहरण को पहले चलाएं

एक आधिकारिक प्रदर्शन पृष्ठ के साथ शुरू करें ताकि आप ब्राउज़र एक्सेस और डिटेक्शन विधि की जांच कर सकें बिना अपने व्यावसायिक कार्य प्रवाह में शामिल होने के बिना।

नीचे दिए गए उदाहरण में आधिकारिक कोर SDK के create_capsolver और detect उपयोग के अनुकूलन किए गए हैं। अतिरिक्त कोड एक Playwright ब्राउज़र खोलता है और बंद करता है, डेमो विजेट के फ्रेम की प्रतीक्षा करता है और लौटाए गए एनुमरेशन मान छापता है।

परीक्षण वातावरण में Python 3.12, capsolver-core==0.1.1, और playwright==1.63.0 का उपयोग किया गया। एक अलगाव वाले वातावरण में इन पैकेजों को स्थापित करें और मिलान चमक ब्राउज़र स्थापित करें:

python -m pip install "capsolver-core[playwright]==0.1.1" "playwright==1.63.0"
python -m playwright install chromium --only-shell

Playwright के Python स्थापना गाइड अलग पैकेज और ब्राउज़र स्थापना चरणों की व्याख्या करता है। केवल Python पैकेज स्थापित करना यह सुनिश्चित नहीं करता कि इसके संगत ब्राउज़र एक्सीक्यूटेबल उपलब्ध है।

इसे detect_demo.py के रूप में सहेजें:

import asyncio
from capsolver_core import create_capsolver
from playwright.async_api import async_playwright


async def main():
    async with async_playwright() as p:
        browser = await p.chromium.launch()
        try:
            page = await browser.new_page()
            await page.goto(
                "https://www.google.com/recaptcha/api2/demo",
                wait_until="domcontentloaded",
            )
            await page.wait_for_selector('iframe[title="reCAPTCHA"]')
            async with create_capsolver(api_key="YOUR_API_KEY") as cap:
                types = await cap.detect(page)
                print([item.value for item in types])
        finally:
            await browser.close()


asyncio.run(main())

इसे python detect_demo.py के साथ चलाएं। सत्यापन चलाने में, वास्तविक छापा परिणाम ['reCaptchaV2'] था।

स्थानापन्न कुंजी पर्याप्त रही क्योंकि यह उदाहरण केवल डिटेक्शन करता है। यह समाधान एपीआई कॉल नहीं करता, चुनौती पर क्लिक नहीं करता, डेमो फॉर्म प्रस्तुत नहीं करता, या टोकन की पुष्टि नहीं करता। एक वास्तविक समाधान ऑपरेशन के लिए उपयुक्त सेवा क्रेडेंशियल और कार्य इनपुट की आवश्यकता होती है।

इस चलाने से उस पृष्ठ पर प्रदर्शित डिटेक्शन पथ की पुष्टि होती है जब परीक्षण किया गया था। यह सार्वभौमिक डिटेक्शन कवरेज या समाधान सफलता दर की स्थापना नहीं करता।

निर्णय लेने से पहले वर्तमान पृष्ठ को पढ़ें

डिटेक्शन को एक विशिष्ट क्षण में पृष्ठ के अवलोकन के रूप में व्यवहार करें।

एक पृष्ठ अपने विजेट या एप्लिकेशन कंट्रोल दिखाए जाने से पहले अपने प्रारंभिक नेविगेशन को पूरा कर सकता है। उदाहरण में, domcontentloaded के बाद ज्ञात डेमो फ्रेम की प्रतीक्षा की जाती है। अन्य पृष्ठ के लिए, उसके वास्तविक इंटरफ़े से मेल खाने वाली तैयारी की शर्त का चयन करें।

Playwright Page API पृष्ठ नेविगेशन और तत्व-प्रतीक्षा व्यवहार का वर्णन करता है। एक तैयारी जांच को यह स्थापित करने में मदद करनी चाहिए कि कौन सी स्थिति की जांच की जा रही है, बजाय एक लंबे अनश्वर स्लीप के।

जब डिटेक्टर एक प्रकार लौटाता है, तो उस परिणाम को अंतर्निहित कार्य से जोड़ने के लिए पर्याप्त संदर्भ रिकॉर्ड करें: अनुमोदित पृष्ठ, समय, और अपेक्षित ऑपरेशन का एक छोटा विवरण। आरंभ में एक बड़ा स्टेट मशीन फ्रेमवर्क की आवश्यकता नहीं होती।

जब डिटेक्टर एक खाली सूची लौटाता है, तो आगे बढ़ने से पहले पृष्ठ की जांच करें। सामग्री सामान्य हो सकती है, अभी भी लोड हो रही है, उस डिटेक्टर द्वारा समर्थित नहीं है, या अन्य समस्या से प्रभावित हो सकती है। "कुछ भी पहचाना नहीं गया" और "कार्य सफल रहा" अलग कथन हैं।

एक सामान्य HTML तत्व जिसका कैप्चा-दिखने वाला वर्ग हो, एक अभिन्न विजेट के बराबर नहीं हो सकता। वास्तविक पृष्ठ व्यवहार का परीक्षण करें, विशेष रूप से जब साइट अपने सत्यापन नियंत्रणों के लिए बदलाव करती है।

कैप्चा को पड़ोसी विफलताओं से अलग करें

केवल जब साक्ष्य उस वर्गीकरण के समर्थन में हो, तो एक पृष्ठ को कैप्चा-हैंडलिंग पथ में भेजें।

एक कैप्चा एक संभावित अवरोध है। एक अमान्य सत्र, अमान्य फॉर्म फ़ील्ड, कम अनुमति, या नेटवर्क त्रुटि के लिए अलग प्रतिक्रिया की आवश्यकता होती है। यदि एक पृष्ठ कई संदेश दिखाता है, तो जांचें कि कौन सा इच्छित ऑपरेशन को रोकता है।

उदाहरण के लिए, HTTP 429 मार्गदर्शन दर सीमा के संकेत करता है और एक पुनः प्रयास देरी शामिल हो सकती है। इसके बिना, यह कैप्चा की उपस्थिति के प्रमाण के रूप में नहीं है। डिटेक्टर और एप्लिकेशन प्रतिक्रिया को निर्णय के अलग भागों के साथ जानकारी देनी चाहिए।

अगली कार्रवाई सरल रखें:

• यदि अपेक्षित सामान्य पृष्ठ तैयार है, तो अनुमोदित कार्य जारी रखें।
• यदि एक समर्थित चुनौती की पहचान की गई है, तो इसके पैरामीटर और अनुमोदित हैंडलर की जांच करें।
• यदि पृष्ठ असंबंधित त्रुटि दिखाता है, तो उस त्रुटि के तकनीकी समाधान पथ का अनुसरण करें।
• यदि स्थिति अस्पष्ट है, तो सॉल्वर को दोहराए बिना इसे जांचें।

यह विशिष्ट सीमा है जो संबंधित लेख में वर्णित है AI एजेंट कार्य कैप्चा पर फंस जाते हैं। डिटेक्शन अगले निर्णय को स्पष्ट करना चाहिए, न कि प्रत्येक विफल पृष्ठ के चारों ओर एक और लूप बनाना।

CapSolver बोनस कोड का उपयोग करें

अपने स्वयं के ऑटोमेशन बजट को तत्काल बढ़ाएं!
CapSolver खाता में जमा करते समय बोनस कोड CAP26 का उपयोग करें ताकि प्रत्येक भरोसा पर 5% बोनस मिले — कोई सीमा नहीं।
अपने CapSolver डैशबोर्ड में अभी बोनस कोड का उपयोग करें

अगले चरण के लिए सही CapSolver लेयर चुनें

अपने द्वारा कार्य का नियंत्रण करने वाले एप्लिकेशन के लिए एक एकीकरण लेयर चुनें।

एक पायथन ब्राउज़र स्क्रिप्ट को सीधे कोर SDK का उपयोग कर सकता है। एक LLM-चालित एप्लिकेशन एजेंट-टूल एडेप्टर के माध्यम से समर्थित ऑपरेशन को प्रस्तुत कर सकता है। एक MCP क्लायंट को एक कॉन्फ़िगर्ड MCP सेवा की आवश्यकता होती है और वास्तविक रूप से जो सेवा उपलब्ध है उसकी एक्सेस की आवश्यकता होती है।

एजेंट-टूल दस्तावेज़ीकरण एडेप्टर के साथ मूल इंजन के संबंध का वर्णन करता है। एक प्रेरणा में एक टूल विवरण जोड़ना इसके ब्राउज़र के साथ स्वचालित रूप से जुड़े नहीं होता। एक्सीक्यूटर को आवश्यक रनटाइम संदर्भ की आवश्यकता होती है।

एक शुरुआती विवरण के लिए, डिटेक्शन और अनुमोदित अगली कार्रवाई को एक साथ रखें। यदि ब्राउज़र डिटेक्शन के बाद नए पृष्ठ में नेविगेट कर गया है, तो पुराने पैरामीटर के बिना नए पृष्ठ स्थिति की जांच करें।

केवल उपलब्ध विधि को एजेंट में जोड़ें जब वह मौजूद होती है। आवश्यक ऑपरेशन के विवरण को उपलब्ध कराएं और निर्धारित करें कि एप्लिकेशन कब रुकना चाहिए। छोटे टूल चयन के साथ त्रुटि निवारण आसान होता है।

डिटेक्शन और समाधान के बाद होने वाली चीजों की पुष्टि करें

प्रत्येक चरण के अपने अपेक्षित परिणाम के साथ पुष्टि करें।

डिटेक्शन वह चीज बताना चाहिए जो SDK ने खोजा है। पैरामीटर पढ़ना चुने गए कार्य के लिए आवश्यक क्षेत्रों के उत्पादन करना चाहिए। एक समाधान कॉल अपने दस्तावेज़ीकृत परिणाम या त्रुटि लौटाना चाहिए। ब्राउज़र वर्कफ़्लो फिर अपने अपेक्षित पृष्ठ, डेटा या पुष्टि तक पहुंचना चाहिए।

एक अनुमोदित कैटलॉग पढ़ने के लिए, सफलता अपने अनुरोधित आइटम के डेटा के प्राप्त करने के बराबर है। एक परीक्षण फॉर्म के लिए, सफलता एप्लिकेशन के पुष्टि के दृश्य के देखने के बराबर है। एक डिटेक्टर द्वारा प्रकार लौटाना दोनों स्थितियों को पूरा नहीं करता।

अपने एकीकरण की पुष्टि करते समय छोटे सेट के चेक का उपयोग करें:

1. एक सामान्य पृष्ठ अनावश्यक समाधान को उत्पन्न नहीं करता है।
2. एक समर्थित पहले से शुरू किए गए विजेट की पहचान की जा सकती है।
3. एक असंबंधित पृष्ठ त्रुटि अपने अपने शाखा का अनुसरण करती है।
4. बदले पृष्ठ अपितु पिछले अवलोकन से मान्यताओं को अमान्य बना देता है।
5. असफल प्रयास उपयोगी कारण बताता है और चयनित सीमा में रुक जाता है।

इन चेक कार्य निर्णय के बजाय वास्तविक दुनिया की चुनौती के समर्थन के बारे में दावा नहीं करते। वास्तविक डिटेक्शन आउटपुट को डिबगिंग के लिए उपलब्ध रखें बजाय एक सामान्य "कैप्चा ठीक कर दिया गया" संदेश के साथ बदल दें।

दोहराए गए जांच को जटिल प्रणाली बनाए बिना नियंत्रित करें

प्रत्येक कार्य के लिए स्पष्ट रुकने का बिंदु दें और अगले कार्य के लिए दोहराए गए अवरोधों की जांच करें।

यदि एक ही चुनौती फिर से दिखाई देती है, तो जांचें कि क्या पृष्ठ बदल गया है, हैंडलर पूरा हो गया है, और एप्लिकेशन ने परिणाम स्वीकार कर लिया है। दोहराए गए डिटेक्शन करना दूसरे भुगतान वाले समाधान कार्य से अलग होता है। इन कार्यों को अलग-अलग ट्रैक करें ताकि एक अहम अवलोकन चुपके से दोहराए गए आवेदन में बदल न जाए।

एक छोटी निदान रिकॉर्ड आमतौर पर पर्याप्त होती है: पृष्ठ पहचान, पहचान प्रकार, हैंडलर परिणाम, और एप्लिकेशन परिणाम। OWASP लॉगिंग गाइडेंस संवेदनशील जानकारी के ऑपरेशनल लॉग में सुरक्षा के लिए सिफारिश करता है। API कुंजी, सत्र कूकी, क्रमिक समाधान टोकन, और अनावश्यक पृष्ठ सामग्री को शामिल न करें।

एक एकल परीक्षण से योजना बनाए गए कार्य में जाते समय, वही स्पष्ट चेक बनाए रखें। अपनी रेंज धीरे-धीरे बढ़ाएं, विफलताओं के कारण की समीक्षा करें, और अगर अनुमोदित कार्य या एक्सेस शर्तें बदल जाएं तो रुक जाएं। जटिलता एक साबित आवश्यकता के बाद आनी चाहिए।

डिटेक्शन को कार्य पूरा करने से अलग रखें

विश्वसनीय डिटेक्शन एजेंट के अगले कार्य के लिए बेहतर साक्ष्य प्रदान करता है। यह समाधान, ब्राउज़र-स्थिति जांच या एप्लिकेशन से पुष्टि को बदल नहीं सकता।

छोटे उदाहरण से शुरू करें, अपने अनुमोदित पृष्ठ के लिए तैयारी जांच को अनुकूलित करें, और जब आवश्यक हो तो CapSolver का उपयोग अनुमोदित चुनौती चरण के लिए करें। सरल क्रम बरकरार रखें: अवलोकन, वर्गीकरण, हैंडलिंग, और पुष्टि।

एफक्यूए (FAQ)

प्रश्न: एआई एजेंट कैप्चा की पहचान कैसे कर सकता है?

एक एप्लिकेशन एक समर्थित डिटेक्शन विधि के साथ जीवंत ब्राउज़र पृष्ठ की जांच कर सकता है और इस साक्ष्य को एजेंट को वापस कर सकता है। CapSolver के कोर SDK में एक detect विधि है जो पहचाने गए कैप्चा प्रकार लौटाती है।

प्रश्न: क्या डिटेक्शन के लिए भुगतान करने वाला समाधान अनुरोध आवश्यक है?

दिखाए गए डिटेक्शन-केवल कॉल ने समाधान सेवा को कॉल किए बिना ब्राउज़र पृष्ठ की जांच की। समाधान एक अलग ऑपरेशन है जिसके लिए उपयुक्त क्रेडेंशियल और कार्य इनपुट की आवश्यकता होती है।

प्रश्न: एक खाली डिटेक्शन परिणाम का क्या अर्थ है?

इसका अर्थ है कि जांचे गए पृष्ठ स्थिति में कोई समर्थित प्रकार नहीं मिला। इस परिणाम को आगे बढ़ने के लिए अनुमति मानने से पहले तैयारी, पृष्ठ त्रुटियों, और डिटेक्टर कवरेज की जांच करें।

प्रश्न: क्या नमूना हर कैप्चा के हर साइट पर पता लगा सकता है?

नहीं। नमूना एक आधिकारिक reCAPTCHA प्रदर्शन पृष्ठ के साथ सत्यापित किया गया था। अन्य चुनौती प्रकार, रेंडरिंग पैटर्न, और ब्राउज़र संदर्भ के लिए अलग जांच की आवश्यकता होती है।

प्रश्न: एजेंट कब रुक जाना चाहिए?

जब पृष्ठ स्थिति अस्पष्ट हो, कार्य प्रवाह अपने अनुमोदित सीमा से बाहर हो जाए, या दोहराए गए हैंडलिंग ने कोई पुष्टि प्रगति उत्पन्न न करे। अगले अनुक्रम के बजाय अवलोकित कारण की रिपोर्ट करें।