Xử lý CAPTCHA của Stagehand: Hành động trình duyệt so với Công cụ giải

TL;DR

• Hành động trình duyệt của Stagehand và giải CAPTCHA có những công việc khác nhau: một cái điều khiển trang, trong khi cái kia xử lý một bài kiểm tra xác minh được hỗ trợ.
• Kiểm tra nơi trình duyệt chạy trước khi thêm người giải; một phiên được lưu trữ có thể đã bật xử lý CAPTCHA.
• Tài liệu của Browserbase nói về việc giải tự động cho các CAPTCHA được hỗ trợ, nhưng điều đó không khiến mọi trình duyệt Stagehand cục bộ trở thành phiên được quản lý.
• Một dịch vụ riêng biệt như CapSolver cần có ranh giới tích hợp rõ ràng; một mã thông báo trả về không phải là nhiệm vụ trình duyệt đã hoàn thành.
• Chọn một thành phần để xử lý mỗi thử thách, sau đó xác minh kết quả trang mong muốn trước khi đại diện tiếp tục.

Một đại diện AI có thể tìm trường tìm kiếm, nhập truy vấn và chọn kết quả, nhưng vẫn cần sự giúp đỡ tại điểm kiểm tra CAPTCHA. Cải thiện hướng dẫn thành "hoàn thành tìm kiếm" không định nghĩa cách xử lý điểm kiểm tra đó.

Đối với các nhóm đang xem xét CapSolver cùng Stagehand, quyết định đầu tiên là nơi xử lý CAPTCHA thuộc về ai. Hướng dẫn này so sánh trách nhiệm và lựa chọn triển khai. Đây là hướng dẫn chọn lựa, không phải tuyên bố rằng một bộ chuyển đổi Stagehand-CapSolver đã được cài đặt và kiểm tra.

Stagehand Làm Gì Trước Khi CAPTCHA Xuất Hiện?

Stagehand cung cấp các nguyên lý tự động hóa trình duyệt cho phép ứng dụng mô tả tương tác và trích xuất dữ liệu trang.

Tài liệu act của Stagehand chính thức mô tả tương tác trang, trong khi tài liệu extract mô tả việc trích xuất thông tin có cấu trúc. Đây là các khối xây dựng hữu ích cho các nhiệm vụ như đọc danh mục sản phẩm được phê duyệt hoặc kiểm tra thông tin trong ứng dụng sở hữu.

Một nhiệm vụ điển hình có mục tiêu kinh doanh rõ ràng: mở trang sản phẩm và trả về tình trạng sẵn có của mô hình được chỉ định. Xử lý CAPTCHA là một sự gián đoạn có thể xảy ra trong nhiệm vụ đó. Nó không nên thay thế mục tiêu của nhiệm vụ.

Sự khác biệt này quan trọng trong quét web bằng AI. Một đại diện có thể trích xuất văn bản từ trang sai. Nếu màn hình xác minh hiện ra thay vì danh sách sản phẩm, việc tạo ra câu trả lời có cấu trúc không xác nhận rằng dữ liệu được yêu cầu đã được truy xuất.

Do đó, ứng dụng phải xác định cả trạng thái trang và kết quả mà nó cần. "Công cụ trả về" và "sản phẩm đúng đã được đọc" là hai tuyên bố khác nhau.

Hành Động Trình Duyệt So Với Người Giải CAPTCHA: Thành Phần Nào Chủ Trì?

Hành động trình duyệt chủ trì điều hướng và tương tác, trong khi người giải CAPTCHA chủ trì thao tác bài kiểm tra được hỗ trợ giao cho nó.

Trách nhiệm	Lớp hành động trình duyệt	Lớp giải CAPTCHA
Mở trang được yêu cầu	Điều hướng trong nhiệm vụ được phép	Không thay thế điều hướng
Chọn biểu mẫu hoặc bản ghi mong muốn	Sử dụng bối cảnh trang hiện tại	Cần bối cảnh kiểm tra đúng
Xử lý CAPTCHA được hỗ trợ	Tạm dừng hoặc ủy quyền theo quy trình	Sản xuất hoặc áp dụng giải pháp được tài liệu
Tiếp tục nhiệm vụ kinh doanh	Tiếp tục sau khi điểm kiểm tra được giải quyết	Không quyết định kết quả kinh doanh
Xác minh kết quả được yêu cầu	Kiểm tra trang và dữ liệu đúng	Hoàn thành người giải alone là không đủ

Các vai trò này có thể được đóng gói cùng nhau bởi nhà cung cấp trình duyệt. Chúng cũng có thể được triển khai riêng biệt. Việc đóng gói thay đổi ai duy trì kết nối, nhưng không xóa bỏ sự khác biệt giữa kết quả kiểm tra và kết quả kinh doanh được yêu cầu.

Ví dụ, một đại diện danh mục nên trả về tình trạng sẵn có của mô hình được chọn. Kết quả người giải không thể cho ứng dụng biết rằng mô hình, quốc gia hoặc biến thể là đúng. Những kiểm tra này thuộc về nhiệm vụ đó.

Tránh cấp quyền không kiểm soát cho cả hai lớp để tiếp tục cố gắng. Một hành động trang liên tục nhấn nút trong khi thành phần khác xử lý một thử thách khiến quy trình khó chẩn đoán. Xác định thành phần nào chịu trách nhiệm trong khoảng thời gian đó.

Môi Trường Trình Duyệt Thay Đổi Lựa Chọn Như Thế Nào?

Môi trường trình duyệt xác định khả năng CAPTCHA nào đã có sẵn và những gì ứng dụng phải cung cấp.

Tài liệu cấu hình trình duyệt hiện tại của Stagehand mô tả các trình duyệt được quản lý của Browserbase, trình duyệt cục bộ và kết nối đến trình duyệt Chromium hiện có qua CDP. Điểm bắt đầu thực tế là xác định môi trường mà chạy thực tế của bạn sử dụng.

Không suy luận môi trường từ tên khung. Một máy tính phát triển và triển khai được lưu trữ có thể sử dụng các dịch vụ trình duyệt khác nhau ngay cả khi nhiệm vụ kinh doanh trông giống nhau.

Stagehand Trên Phiên Browserbase

Tài liệu giải CAPTCHA của Browserbase nói rằng giải CAPTCHA được bật mặc định cho các phiên của nó và mô tả các sự kiện cho bắt đầu và kết thúc quy trình. Nó cũng tài liệu cấu hình để vô hiệu hóa hành vi đó.

Đối với nhóm đã sử dụng môi trường này, kiểm tra cài đặt phiên và hành vi giải CAPTCHA được tài liệu trước khi thêm nhà cung cấp thứ hai. Xác định xem thử thách được hỗ trợ và trình duyệt đã bắt đầu xử lý nó chưa.

Một tùy chọn được quản lý là lựa chọn hợp lý ban đầu khi hành vi được hỗ trợ đáp ứng nhu cầu của bạn và bạn muốn ít thành phần hơn để duy trì. Đánh giá nó dựa trên các trang được phép bạn thực sự sử dụng. Không giả định rằng mô tả tính năng đảm bảo mọi thử thách hoặc sự chấp nhận cuối cùng của mọi trang.

Stagehand Với Trình Duyệt Cục Bộ Hoặc Được Lưu Trữ Riêng Biệt

Một trình duyệt cục bộ không nhận được các khả năng được lưu trữ của Browserbase chỉ vì Stagehand điều khiển nó.

Nếu môi trường trình duyệt được chọn của bạn không cung cấp chức năng giải CAPTCHA cần thiết, một tích hợp riêng biệt có thể phù hợp. Ứng dụng cần có cách để xác định thử thách, cung cấp đầu vào được tài liệu, nhận kết quả và áp dụng nó trong bối cảnh trình duyệt đúng.

Công việc này nên được coi là dự án tích hợp với bài kiểm tra nhỏ. Không sao chép ví dụ phiên được lưu trữ vào thiết lập cục bộ và giả định rằng các dịch vụ xung quanh tồn tại ở đó.

Đối với trình duyệt từ xa hiện có, cũng xác định ai kiểm soát kết nối và thời gian sống của trình duyệt. Một quy trình giải CAPTCHA gắn với tab khác hoặc phiên bị bỏ rơi sẽ không chứng minh rằng nhiệm vụ hiện tại của đại diện có thể tiếp tục.

CapSolver Có Thể Nằm Ở Đâu Trong Quy Trình Làm Việc Stagehand?

CapSolver có thể cung cấp dịch vụ CAPTCHA được hỗ trợ sau một tích hợp trình duyệt được thiết kế rõ ràng.

Tổng quan về tích hợp tự động hóa CapSolver mô tả các phương pháp API và mở rộng cho tự động hóa trình duyệt. Phương pháp API giao trách nhiệm cho mã ứng dụng xử lý yêu cầu và kết quả được tài liệu. Phương pháp mở rộng phụ thuộc vào môi trường trình duyệt phù hợp và hỗ trợ mở rộng của nó.

Chọn dựa trên trình duyệt bạn chạy, loại thử thách và mức độ kiểm soát bạn cần. Việc sản phẩm có thể sử dụng trong tự động hóa trình duyệt không phải là bằng chứng cho plugin Stagehand gốc hoặc thiết lập một dòng duy nhất phổ quát.

SDK Core CapSolver cung cấp các phương pháp Python để phát hiện, đọc tham số, giải mã token và điền lại trình duyệt. Phạm vi tài liệu của chế độ token bao gồm reCAPTCHA v2/v3 và Turnstile; nó không nhấp vào lưới hình ảnh hoặc kéo thanh trượt. Phạm vi này quan trọng khi quyết định xem thành phần cụ thể có phù hợp với thử thách của bạn không.

Cùng tài liệu này mô tả các phương pháp trình duyệt theo cách của một trang Playwright. Không giả định rằng bất kỳ đối tượng nào có tên "trang" trong khung khác là thay thế được. Nếu thiết kế của bạn vượt qua SDK hoặc ngôn ngữ, hãy chứng minh rằng kết nối đề xuất hoạt động trước khi trình bày nó như một tích hợp vận hành.

Một đánh giá hữu ích vẫn có thể bắt đầu mà không cần xây dựng lớn: tài liệu chính xác trình duyệt, thử thách được hỗ trợ, con đường CapSolver được chọn và điều kiện trang cuối cùng. Sau đó kiểm tra đường đi nhỏ nhất hoàn chỉnh trong môi trường được sở hữu hoặc được phê duyệt rõ ràng.

Nhận Mã Ưu Đãi CapSolver

Tăng ngân sách tự động hóa của bạn ngay lập tức!
Sử dụng mã ưu đãi CAP26 khi nạp tiền vào tài khoản CapSolver để nhận thêm 5% ưu đãi cho mỗi lần nạp — không giới hạn.
Nhận mã ngay bây giờ trong Bảng điều khiển CapSolver

Điều Gì Nên Xảy Ra Khi Đại Diện Đến Thử Thách?

Một thử thách nên kích hoạt chuyển giao có kiểm soát với điều kiện trả lại rõ ràng.

Xét một quy trình danh mục nhà phân phối giả định. Đại diện phải mở trang danh mục được phê duyệt và báo cáo tình trạng sẵn có của một bộ phận cụ thể. Dưới đây là chuỗi đề xuất, không phải ghi chép tích hợp khách hàng đã triển khai:

1. Điều hướng đến trang danh mục được yêu cầu và xác định bộ phận được yêu cầu.
2. Xác định xem trang có sẵn cho hành động kinh doanh hay đang hiển thị CAPTCHA.
3. Nếu có thử thách được hỗ trợ, được phép, hãy trao quyền cho thành phần giải CAPTCHA được chọn ở bước đó.
4. Chờ kết quả xác định hoặc thất bại có giới hạn thay vì tiếp tục các hành động trang không liên quan.
5. Kiểm tra lại trang hiện tại, sau đó đọc bộ phận được yêu cầu và tình trạng sẵn có.
6. Trả về kết quả chưa hoàn tất nếu thử thách hoặc bước kinh doanh vẫn chưa được giải quyết.

Chuỗi này để lại hai kiểm tra hữu ích sau người giải: trang có chuyển vào trạng thái mong muốn không, và dữ liệu có thuộc về mục vụ được yêu cầu không?

Giữ hướng dẫn của đại diện tập trung vào các kết quả quan sát được. Một hướng dẫn rộng để "tiếp tục cho đến khi thành công" không cung cấp giới hạn hữu ích và không có định nghĩa đáng tin cậy về hoàn thành.

Đối với mô hình gián đoạn rộng hơn, hướng dẫn tại sao các nhiệm vụ của đại diện AI bị mắc kẹt ở CAPTCHA giải thích tại sao điều hướng và giải CAPTCHA lặp lại có thể tạo ra vòng lặp. Trong thiết kế Stagehand, câu hỏi tương ứng là thành phần nào có thể hành động tiếp theo và bằng chứng nào cho phép nó tiếp tục.

Bạn Nên So Sánh Chi Phí Và Bảo Trì Như Thế Nào?

So sánh chi phí toàn bộ quy trình và nỗ lực tích hợp, thay vì coi một yêu cầu người giải là toàn bộ nhiệm vụ.

Một tùy chọn được lưu trữ có thể giảm số lượng kết nối mà nhóm của bạn duy trì. Một người giải riêng biệt có thể cung cấp kiểm soát trực tiếp về cuộc gọi dịch vụ, chẩn đoán nhiệm vụ và lựa chọn nhà cung cấp. Không có tùy chọn nào tự động rẻ hơn cho khối lượng công việc của bạn.

Đánh giá các chi phí thực tế bạn có thể quan sát: thời gian chạy trình duyệt, gọi mô hình, sử dụng người giải, các lần thất bại, và thời gian kỹ sư dành để chẩn đoán sự cố. Không tính một thử thách được giải trên trang không sử dụng được là kết quả kinh doanh thành công.

Cũng xem xét quyền sở hữu thay đổi. Khi thử thách ngừng hoạt động, nhóm của bạn có thể xác định xem nguyên nhân là cấu hình trình duyệt, trường yêu cầu, sự cố dịch vụ, hay kiểm tra ứng dụng không? Một cách tiếp cận cho phép chứng cứ cần thiết có thể dễ bảo trì hơn một cách chọn chỉ vì ví dụ cài đặt ngắn.

Sử dụng một thử nghiệm đại diện, được phép thay vì tuyên bố hiệu suất từ trang không liên quan. Giữ nhiệm vụ trình duyệt, đầu ra mong muốn và điều kiện chấp nhận nhất quán khi đánh giá các lựa chọn thay thế.

Bạn Nên Chọn Phương Pháp Nào?

Chọn phương pháp phù hợp với môi trường trình duyệt hiện có của bạn và có thể chứng minh kết quả trang cần thiết với ít công việc tích hợp không cần thiết nhất.

Bắt đầu với xử lý được hỗ trợ của trình duyệt được quản lý khi nó đã có sẵn và đáp ứng nhiệm vụ. Xem xét tích hợp CapSolver riêng biệt khi bạn cần khả năng CAPTCHA được hỗ trợ hoặc kiểm soát dịch vụ mà môi trường hiện tại của bạn không cung cấp.

Trước khi chấp nhận bất kỳ phương pháp nào, trả lời bốn câu hỏi thực tế:

• Việc tự động hóa được phép trên trang này không?
• Con đường giải được chọn có hỗ trợ thử thách thực tế không?
• Quy trình có thể duy trì trang và trả lại quyền một cách sạch sẽ không?
• Ứng dụng có thể phân biệt kết quả hoàn tất với điểm kiểm tra chưa được giải quyết không?

Một thử nghiệm nên bao gồm trang bình thường, thử thách được hỗ trợ và thử thách chưa được giải. Trường hợp chưa được giải là hữu ích: nó cho thấy đại diện có báo cáo giới hạn hữu ích hay giả tạo thành công.

Tránh kích hoạt nhiều con đường giải cho cùng một thử thách mà không có sự phối hợp rõ ràng. Nếu bạn sau này giới thiệu một giải pháp dự phòng, xác định chuyển tiếp và kiểm tra xem lần thử đầu tiên đã kết thúc trước khi thành phần tiếp theo tiếp quản.

Xây Dựng Quy Trình Tự Động Hóa Tin Cậy Với CapSolver

Stagehand cung cấp cho đại diện các cách tương tác với trang; giải CAPTCHA cần đường đi được hỗ trợ riêng và vị trí rõ ràng trong quy trình. Môi trường trình duyệt xác định mức độ đường đi đó đã tồn tại.

Đánh giá CapSolver đối với nhiệm vụ trình duyệt cụ thể, được phép. Giữ tích hợp nhỏ enough để kiểm tra, và chỉ chấp nhận nó khi đại diện đạt đúng trang và trả về kết quả được yêu cầu.

Câu Hỏi Thường Gặp

Câu hỏi: Stagehand tự động giải mọi CAPTCHA không?

Không có đảm bảo chung khi sử dụng Stagehand. Xử lý CAPTCHA phụ thuộc vào môi trường trình duyệt, cấu hình của nó và các thử thách được hỗ trợ. Tài liệu của Browserbase nói về việc giải tự động cho các phiên của nó; trình duyệt cục bộ cần con đường phù hợp riêng.

Câu hỏi: Tôi có thể giải CAPTCHA bằng cách thay đổi lời nhắc Stagehand không?

Lời nhắc có thể nói với đại diện khi dừng lại và kết quả nào cần kiểm tra, nhưng nó không tạo ra dịch vụ giải CAPTCHA được hỗ trợ. Quy trình vẫn cần khả năng trình duyệt hoặc tích hợp phù hợp.

Câu hỏi: SDK Core CapSolver có phải là plugin Stagehand gốc không?

Tài liệu SDK Core được trích dẫn mô tả SDK Python và phương pháp trình duyệt dựa trên Playwright. Nó không thiết lập plugin Stagehand gốc. Bất kỳ kết nối đề xuất nào nên được kiểm tra đối với thời gian chạy và giao diện chính xác liên quan.

Câu hỏi: Tôi nên bật người giải được quản lý và CapSolver cùng lúc không?

Gán mỗi thử thách một con đường xử lý hoạt động. Chạy cả hai mà không phối hợp có thể khiến quyền sở hữu và chẩn đoán sự cố không rõ ràng. Đánh giá nhà cung cấp thứ hai thông qua chuyển giao có chủ đích thay vì thử nghiệm đồng thời.

Câu hỏi: Điều gì chứng minh rằng xử lý CAPTCHA đã hoạt động cho đại diện của tôi?

Bước giải phải kết thúc đúng cách, và ứng dụng sau đó phải đạt được trạng thái trang mong muốn và trả về kết quả nhiệm vụ đúng. Một mã thông báo, phản hồi công cụ hoặc sự kiện nhà cung cấp riêng lẻ là không đủ.