以 Eigent 與 Gemini 3 Pro 運行企業級代理

摘要

在真實企業環境中，許多內部工具、儀表板同舊式系統都完全喺瀏覽器內運作，成為日常業務操作嘅骨幹。為咗自動化呢啲複雜系統，我哋推出 Eigent，一個可本地運行、可由原始碼完整部署嘅開源多代理工作團隊應用，專注於瀏覽器自動化——基本上可以作為你嘅 Eigent 開源同事，處理企業工作流程。

喺呢篇文章中，我哋會探討 Eigent 如何結合 CAMEL 嘅 Workforce 架構與瀏覽器自動化，處理複雜嘅多步驟企業任務。我哋亦會深入了解 Gemini 3 Pro，分析佢喺三個真實企業任務上嘅表現，並檢視令佢能喺長流程、代理式瀏覽器自動化場景中有效運作嘅架構特性。

背景：咩係 Eigent，以及佢點樣支援 Gemini 3 Pro

Eigent 係一個開源、多代理工作團隊產品，可喺你嘅桌面上運行。佢採用多代理工作團隊架構，並由瀏覽器自動化、終端機自動化同 MCPs 等通用能力支援。呢個設計令 Eigent 入面嘅代理可以好似真人員工咁執行任務——直接喺真實桌面環境中運作，而唔需要深度 API 整合或持續重構工作流程。

隨住基礎模型持續進步，將佢哋同 Eigent 嘅開源多代理系統整合，可以令開發者同企業用戶更快、更有效地將 LLM 功能直接應用喺真實場景。呢就係點解 Eigent 喺 Gemini 3 Pro 發佈後即時完成整合。

要喺 Cloud Mode 開始使用，只需喺頂部下拉選單揀 Gemini 3 Pro。另外，如果你想 使用自備金鑰（Bring Your Own Key），請前往 Eigent 嘅 Model Settings 頁面，搵到 Gemini 區域，然後輸入你嘅 API key。當模型名稱設為 Gemini 3 Pro 後，就可以開始。需要協助？請睇我哋嘅 [設定 Google Gemini API key] 指南。

想睇逐步教學，請參考下面嘅影片教學。

GitHub 倉庫與如何設定 Eigent

GitHub 倉庫： https://github.com/eigent-ai/eigent

快速開始：設定環境

你有兩種方式去運行 Eigent：使用預先編譯好嘅桌面應用程式即時使用，或者建立開發環境以檢視程式碼同自訂代理。

選項 A：「零設定」桌面應用程式

適合想即刻開始自動化任務、而又唔需要接觸程式碼嘅用戶：

1. 由 官方網站 下載客戶端。
2. 安裝 .dmg (macOS) 或 .exe (Windows)。
3. 啟動應用程式——本機後端會自動啟動。

選項 B：開發者設定

如要存取原始碼並喺本地運行系統作開發，請跟住以下步驟：

1. 前置需求 確保你已安裝 Node.js (v18-22) 同 Python。

2. 複製同安裝

# Clone the repository
git clone https://github.com/eigent-ai/eigent.git
cd eigent

# Install frontend dependencies
npm install

3. 運行應用程式

# Return to root and run dev mode
npm run dev

一旦運行中，你就可以直接喺設定入面配置你嘅 LLM 提供者（Gemini 3 Pro 等）。如需更詳細嘅設定、進階功能同疑難排解資訊，請參考我哋嘅 官方文件。

內部架構：Eigent 全棧與 CAMEL Workforce 架構

Eigent 系統概覽

Eigent 係一個以本地為先（local-first）嘅桌面應用程式，支援多代理協調，核心引擎由 CAMEL Workforce 驅動。系統實作咗一個解耦嘅全棧架構，完全運行喺用戶本機基礎設施之上。呢個設計嚴格保障數據主權，消除同雲端代理執行相關嘅私隱風險。

1. 前端

用戶介面作為代理設定同工作流程監控嘅控制平面。以 React 同 TypeScript 建構，並運行於 Electron 框架之內。

主要技術組件包括：

• 狀態管理：使用 Zustand 處理短暫應用狀態，確保高效響應。
• 視覺協調：整合 React Flow 去視覺化代理工作區，以追蹤即時代理執行。
• 通訊：前端透過安全嘅本機 HTTP 請求同後端通訊。

2. 後端

核心邏輯位於本機 Python 伺服器，使用 FastAPI 同 Uvicorn，作為 CAMEL 多代理框架嘅宿主環境。

• 運行環境：後端運行喺 Python 3.10+，由 uv 管理，以獲得高效能依賴解析同環境隔離。
• 持久化層：透過 SQLModel/SQLAlchemy ORM 介面連接嘅 PostgreSQL，為稽核日誌、工作流程歷史同代理狀態提供穩健嘅結構化數據儲存。
• 多代理框架：CAMEL 框架處理代理協調邏輯（例如 workforce），並同大型語言模型（LLMs）互通，無論係遠端（例如 Gemini）定係本地（例如經由 vLLM）都可用於代理運行。CAMEL 框架亦提供豐富工具包，例如 browser toolkit、terminal toolkit、document generation toolkit。

CAMEL Workforce：受組織結構啟發嘅多代理系統

Eigent 嘅核心係 CAMEL Workforce，一個為透過去中心化協作解決複雜真實任務而設計嘅多代理系統。系統採用嚴格嘅 Producer-Consumer pattern，並由非同步訊息通道調解，以高效管理依賴圖。

1. 代理角色

• Coordinator Agent：作為主要派發者。佢維護全局狀態，並根據可用性同能力將子任務分配俾指定工作者。
• Task Agent：負責將高層目標進行語意拆解，變成可執行、原子化嘅單位。
• Worker Agent：作為專門執行單位。Worker agents 會接收原子子任務，並使用領域專用工具執行。

2. 非同步通訊：TaskChannel

協調層與執行層之間透過 TaskChannel 實現解耦。呢個非同步訊息佇列可管理任務分配，而唔會阻塞主執行線程。

執行流程：

1. Workforce 觸發一個任務。
2. Worker nodes 輪詢分配。
3. 完成後，結果會回傳。

3. 動態 DAG 建構

企業工作流程很少係線性。CAMEL Workforce 實作咗動態 Directed Acyclic Graph (DAG) 建構機制。當接收到高層提示（例如 "Create Travel Plan"）時，Task Agent 會將目標拆解成獨立節點。

系統會明確映射依賴關係，令排程器可以：

• 平行執行互相獨立嘅節點（例如 Search Flight Ticket 同 Search Hotel 可同時運行）。
• 將有依賴關係嘅節點阻塞，直到前置節點達到 DONE 狀態。

4. 容錯機制

考慮到 LLM 嘅非決定性，Eigent 將失敗視為預期嘅狀態轉換，而唔係致命例外。架構透過以下策略實作穩健嘅 recovery 機制：

• RETRY：喺同一個工作者上重新執行子任務，以處理短暫性錯誤。
• REPLAN：Task Agent 會根據失敗日誌修改原始子任務，之後再將子任務重新排隊。
• REASSIGN：子任務會由目前工作者轉移至另一個具備相容技能組嘅代理。
• DECOMPOSE：如果任務因過度複雜而失敗，系統會遞迴地將佢拆解成更細嘅子任務。

Eigent 入面嘅瀏覽器自動化架構

然而，只有配合日益強大嘅通用能力，例如瀏覽器自動化，多代理工作團隊架構先可以真正釋放企業自動化潛力。呢個就係點解我哋強調要建立可以直接喺真實業務環境中運作嘅代理，而唔係只依賴僵硬嘅 API 整合。

Eigent 採用雙層架構，將瀏覽器控制同代理協調分開：

• TypeScript 層 負責所有瀏覽器互動。佢利用原生 Playwright APIs 執行 DOM 操作、擷取結構化快照、生成 SoM 截圖、偵測遮擋，並直接喺 JavaScript runtime 內處理進階瀏覽器邏輯。由於 Playwright 原生以 TypeScript 建構，呢層可以使用 _snapshotForAI() 等最新功能，並帶來更好效能、可靠性同開發體驗。
• Python 層 負責 AI 協調。佢管理 LLM 呼叫、代理決策同任務規劃。呢種分工令 Python 可以專注於代理邏輯，而 Python 生態系統喺 AI 同工作流程協調方面表現出色。
• 兩層透過 WebSocket 非同步通訊，實現非阻塞操作。Python 發送瀏覽器操作請求，TypeScript 執行後回傳結果。對終端用戶而言，整個互動係透明嘅，並支援並行任務執行。

呢個架構提升效能、加強元素互動精準度，並支援動態 DOM 過濾、具視口感知嘅快照，以及瀏覽器內 SoM 呈現等進階能力。佢避免咗只用 Python 實作常見嘅限制，例如高延遲、對瀏覽器內部存取有限，同埋複雜嘅圖像處理邏輯。透過將瀏覽器任務交由原生執行環境處理，Eigent 為基於代理嘅企業自動化提供穩健基礎。

喺企業自動化場景嘅多代理執行過程中，基於瀏覽器嘅自動化喺流程可視性方面提供咗天然優勢。每一步都透明、可檢查，而且易於除錯，令佢比複雜而且持續演變嘅工作流程更實用。

使用 Eigent 瀏覽器自動化測試 Gemini 3 Pro 嘅 真實企業任務

我哋已經測試咗 Eigent 同 Gemini 3 Pro，利用 Eigent 瀏覽器自動化能力 去自動化銷售流程。代理嘅任務係自動化真實銷售週期中唔同階段，包括 Lead Capture & Creation、Qualification & Pipeline Management、Quotation、Negotiation、Closing 同 Product Management。

喺多次實驗運行中，Gemini 3 Pro 一直展現出三個關鍵優勢：

1. 能夠妥善處理複雜頁面結構，包括 iframe 同巢狀元素： 即使版面複雜，仍然可以可靠地搵到正確內容同按鈕。
2. 會自我檢查以保持準確同縮短步驟： 佢會使用反饋迴路修正錯誤，確保任務真正正確完成。
3. 工具使用效率高而且靈活： 佢避免不必要步驟，並懂得喺需要時智能地組合工具。

示例任務 1：

請識別 Y Combinator Winter 同 Summer 2025 批次中，所有行業重點同 Marketing 相關嘅 B2B 公司。取得完整公司名單後，請獨立深入查詢每間公司嘅產品資訊，並將所有結果整合成一個乾淨、結構清晰嘅 CSV 檔案。

呢個任務展示咗代理處理迭代式導航同動態資料擷取嘅能力。唔同於簡單嘅單頁抓取，呢個工作流程要求代理先同 Y Combinator 目錄互動，以套用特定篩選條件（Batch、Industry、B2B 標籤），然後再執行「列表轉詳情」模式。

真正挑戰在於保持上下文：代理必須深入每間公司嘅個別資料頁擷取特定產品詳情，之後再返回主列表而唔會迷失位置或者重複條目。Gemini 3 Pro 成功協調咗呢個循環，解析多種落地頁版面，並將非結構化資訊標準化成乾淨嘅 CSV 格式，無需人工介入。

示例任務 2：

salesforce.com - 200 Widgets 交易進展良好。請將佢由 'Needs Analysis' 移到 'Proposal' 階段，然後點擊 “Mark as Current Stage’ 再去點擊 "Contact Roles" 並提供聯絡人姓名同電話號碼。返回 Opportunities 頁面，將呢個 Next Step 編輯為 “book a meeting with + 聯絡人姓名同電話號碼。”

呢個瀏覽器自動化任務對標準模型構成挑戰。首先，佢必須喺 Salesforce 首頁搵到相關 Opportunity。其次，佢需要更新 Opportunity 嘅階段，導航到指定頁面並擷取聯絡資訊，最後再根據呢啲資訊修改 'Next Step' 欄位。

因此，呢個任務需要展示穩定嘅長流程任務表現、對複雜任務嘅深入理解、邏輯任務規劃，以及喺 Salesforce 環境中執行穩定跨頁操作嘅能力。

此外，透過量化拆解（例如：將每一步行動對應到頁面區域、追蹤失敗／重試次數），我哋可以逐項將瀏覽器動作參考同快照中嘅元素對齊。呢樣可以更深入分析 Gemini 3 Pro 喺工具呼叫同瀏覽器動作方面嘅準確性同有效性：

根據三次運行結果，我哋可以見到 Gemini 3 Pro 喺長流程瀏覽器任務場景中展現出高穩健性同可審計性。

• 執行流程： 佢能夠根據解析後嘅任務目標同環境狀態，可靠地規劃執行路徑。
• 穩定性與穩健性： 目前任務嘅瀏覽器頁面最多有 13 層巢狀結構，但 Gemini 3 Pro 仍然喺任務執行期間保持 低重試、無無限循環。
• 效率： 三組日誌顯示 幾乎冇冗餘工具呼叫，亦從未出現多次點擊或重複輸入。呢種效率，加上靈活嘅輔助工具（Note/Screenshot），令瀏覽器動作 更少而且更穩定。

示例任務 3：

“ 我準備做每月銷售檢討。請去到我嘅 forecast，搵出 Global Media 帳戶之下、處於 Commit 階段嘅 opportunity，並將佢嘅 Close Date 更新為 November 26th。 ”

如果我哋進一步提高任務中網頁嘅複雜度，又會點呢？

以下任務設定喺 Salesforce Forecast 頁面。Forecast 頁面俾銷售團隊用作統計同概覽；佢嘅瀏覽器頁面極之複雜，一個快照大約有 4,763 個元素。經多層解碼後，快照包含 1,222 行，最大巢狀深度為 18 層，平均深度大約 14.33。即係話，呢個頁面唔單止元素數量高，仲有非常深嘅層級結構：例如 List → List Item → Link/Button → Icon → Paragraph/Grid Row 呢類多層結構。

Salesforce Forecasts Webpage

喺我哋嘅測試入面，Gemini 3 三次都完美完成咗呢個任務。佢需要有能力喺如此密集、深度巢狀嘅頁面中正確更新欄位，同時成功鎖定目標 opportunity（Global Media 180 Widgets）並完成 Close Date 更新，呢點證明咗 Gemini 3 Pro 喺 browser-use 場景中具備穩健嘅解析、路徑規劃同穩定執行能力。

Gemini 3 Pro 如何提升任務表現

Gemini 3 Pro 喺自主企業代理方面表現為一個平衡度高嘅選擇。喺我哋嘅真實任務中，佢一直以高可靠性處理長流程、基於瀏覽器嘅工作流程。加上良好嘅成本效益比，佢為企業環境中擴展基於代理嘅自動化提供咗實用選項。

「狀態延續」優勢（Thought Signatures） 我哋觀察到最主要嘅技術差異係 Gemini 3 Pro 實作咗 Thought Signatures。喺傳統 LLM 互動中，模型完全依賴對話歷史文字去重建兩輪之間嘅上下文。喺複雜、長流程工作中，呢樣有時會導致「上下文漂移」，即代理喺多次瀏覽器互動後失去原始意圖。Gemini 3 Pro 透過喺每一步後回傳 thoughtSignature——即其內部推理狀態嘅加密表示——來解決呢個問題。

對 Eigent 嘅影響

當我哋嘅代理執行連續任務（例如先「Check flight status」再「Book Taxi」），呢個 signature 會再傳回模型。喺我哋嘅測試中，呢個機制幫助代理喺多步驟函數呼叫期間維持更好嘅邏輯連貫性，相比同類模型，後續階段嘅邏輯錯誤率有所降低。

長流程規劃嘅穩健性

企業自動化往往需要喺不確定性中導航——處理登入畫面、載入狀態或意外彈出視窗。

Gemini 3 Pro 喺較長會話（10+ steps）中展現出高韌性。呢點同佢喺 Vending-Bench 2 等基準測試中嘅表現一致，該基準評估長流程規劃能力。

對一般查詢而言，頂級模型之間嘅表現差距可能微乎其微。不過，喺以狀態維護同錯誤恢復為關鍵嘅 Agentic Automation 中，Gemini 3 Pro 目前為 Eigent 平台提供咗可靠嘅基礎。佢透過 Thought Signatures 保留「推理狀態」嘅能力，令佢成為複雜、多步驟企業工作流程嘅務實之選。

結論與下一步

透過呢篇文章，我哋探討咗 Eigent 如何由 CAMEL 嘅多代理工作團隊架構 同 瀏覽器層級能力 驅動，建立一個可正式投入生產嘅環境，去部署真正可以喺企業系統內運作嘅 AI 代理。透過將工具層自主性同用戶可覆寫嘅工作流程結合，系統可以保持可控、可觀察同可審計，呢啲都係任何面向 B2B 部署嘅關鍵特性。

我哋亦展示咗 Gemini 3 Pro 喺整合到 Eigent 之後，如何提供推理能力、穩定性同成本效益之間嘅理想平衡。佢同多代理執行嘅架構對齊，尤其透過 Thought Signatures 等功能，令佢特別適合企業用例中常見嘅高風險、長流程工作。

展望未來，我哋會繼續：

• 呈現真實企業部署中嘅失敗案例，識別現有基礎模型喺狀態追蹤、錯誤恢復或工具落地方面較弱嘅任務模式。
• 建立標準化企業瀏覽器自動化基準測試，收集真實而具代表性嘅企業自動化任務場景，包括電郵客戶端、訊息系統、文件、瀏覽器 UI，以及 ERP/CRM 平台。
• 為基於瀏覽器嘅企業工作流程建立強化學習環境，透過基於任務嘅獎勵、軌跡追蹤同長流程行為分析，令代理可以進行強化學習。

Eigent 完全開源，我哋邀請開發者、研究人員同企業團隊一齊探索、擴展同貢獻：

👉 GitHub: https://github.com/eigent-ai/eigent

👉 加入我哋嘅 Discord 社群：https://discord.camel-ai.org