Agent EAgent IA open source qui automatise des tâches directement dans votre navigateur local

5.0 (4)

Évalué par Daniel Nikulshyn·Mis à jour juillet 2026

Open Source Browser Automation AI Agents Developer Tools Local-First Research Web Scraping

Aperçu

Agent E est un agent d'automatisation web qui pilote un navigateur sur votre propre machine pour réaliser des tâches en ligne en plusieurs étapes. Il peut naviguer sur des sites, remplir des formulaires, extraire des informations et enchaîner des actions à partir d'instructions en langage naturel. Conçu autour d'une architecture hiérarchique qui sépare la planification de l'exécution, Agent E vise à gérer des workflows web complexes et réels de manière plus fiable que les approches en prompt unique. Comme il s'exécute localement, les utilisateurs conservent leurs sessions, cookies et identifiants sur leur propre appareil au lieu de les faire transiter par un service distant. Il s'adresse aux développeurs et chercheurs qui explorent la navigation agentique, qui évaluent l'automatisation web ou qui développent des assistants personnalisés pour des tâches en ligne répétitives.

Fonctionnalités clés

Automatisation de navigateur local
Agents planificateur et exécuteur hiérarchique
Instructions de tâches naturelles en langage
Remplissage de formulaires et extraction de données
Compatibilité avec les flux de travail multi-étapes
Support de backends LLM configurables

Tarifs

Modèle: Free
Catégorie: Web AI Agents
Note: 5.0 / 5 (4)

Cas d’usage

Automatiser les flux de travail web multi-étape

Utilisez un langage naturel pour instruct le Agent E à naviguer sur des sites Web, remplir des formulaires et enchaîner les actions ensemble pour des tâches en ligne répétitives sans écrire des scripts personnalisés.

Navigation privée avec sesssions de connexion enregistrées

Exécutez l'automatisation localement afin que les cookies, les identifiants et les sessions restent sur votre machine, permettant ainsi les tâches sur des sites Web authentifiés sans exposer les données à des services de tierce partie.

Benchmark de la recherche d'automatisation agentic

Des chercheurs peuvent évaluer les architectures planificatrices-exécuteuses hiérarchiques sur des tâches d'automatisation web et comparer les performances à travers différents backends LLM configurables.

Extraction de données structurées à partir de sites Web

Direct le agent à visiter des pages, récolter des informations spécifiques et retourner des résultats structurés pour l'analyse, le suivi ou la nourrir dans des applications en aval.

Pour & contre

Pour

Exécute de manière locale en utilisant votre session de navigateur
Traite les tâches web multi-étapes via le langage naturel
Architecture ouverte appropriée pour la recherche et l'extension
Évite de transmettre les données de navigation à travers les services de tierce partie

Contre

Exige une configuration technique et une familiarité avec les commandes de ligne
Fiabilité variable sur des sites Web complexes ou dynamiques
Performance dépendant du fournisseur LLM sous-jacent

Avis

5.0

Moyenne sur 4 avis.

Connecte-toi pour laisser un avis.

Jamal Carter

May 11, 2026

Years in this space

I've evaluated a lot of these over the years. What stands out here is natural language task instructions — handled better than most — and open architecture suitable for research and extension. Worth the time if this is your use case.

Pierre Dubois

Mar 5, 2026

Years in this space

I've evaluated a lot of these over the years. What stands out here is configurable LLM backends — handled better than most — and avoids sending browsing data through third-party services. Requires technical setup and command-line familiarity is my one real gripe. Worth the time if this is your use case.

Kwame Mensah

Jul 29, 2025

Compared a few options

Evaluated this against two competitors. Where it wins: local browser automation and open architecture suitable for research and extension. On balance the feature set — especially support for multi-step workflows — justifies the 5 stars for our use case.

Aisha Khan

Jun 26, 2025

Compared a few options

Evaluated this against two competitors. Where it wins: configurable LLM backends and open architecture suitable for research and extension. On balance the feature set — especially configurable LLM backends — justifies the 5 stars for our use case.