🎉नयाAI एजेंट के लिए CapSolver
Selenium CAPTCHA solver landing page hero section with code snippet and CTA buttons
Selenium CAPTCHA solver landing page hero section with code snippet and CTA buttons

एजेंट ऑटोमेशन · Browser Use

अपने Browser Use एजेंट में CAPTCHAs हल करें

Browser Use में CapSolver एक कस्टम एक्शन के रूप में जोड़ें। जब कोई CAPTCHA या सत्यापन चुनौती दिखाई देती है, तो एजेंट CapSolver को आवश्यक विवरण भेज सकता है, समाधान प्राप्त कर सकता है और अधिकृत ब्राउज़र वर्कफ़्लो जारी रख सकता है। यह QA, RPA और अन्य उपयोगकर्ता-अधिकृत ब्राउज़र स्वचालन के लिए बनाया गया है।

Browser Use. agent runner

agent → browser.navigate("signup")
agent → form.fill(profile)
CAPTCHA detected
tool_call: solve_recaptcha()span: tools.solve_recaptcha · sitekey + page_url
token returned → agent.resume()
final_output: signup complete
CapSolver function

Solving captcha...

अवलोकन

CapSolver + Browser Use इंटीग्रेशन क्या करता है?

Browser Use एआई एजेंटों को वेबसाइटों पर नेविगेट करने और उनसे इंटरैक्ट करने में मदद करता है। जब कोई CAPTCHA दिखाई देता है, तो CapSolver चुनौती को हल करता है और परिणाम लौटाता है ताकि एजेंट अपना कार्य जारी रख सके।

Browser Use के साथ काम करता है

व्यापक रूप से उपयोग की जाने वाली सत्यापन चुनौतियाँ जो स्वचालित ब्राउज़र वर्कफ़्लो के दौरान दिखाई देती हैं और टोकन-आधारित सत्यापन की आवश्यकता होती है।

टोकन एजेंट को लौटा दिया गया

CapSolver CAPTCHA परिणाम लौटाता है ताकि एजेंट इसे लागू करके आगे बढ़ सके।

प्रोडक्शन के लिए तैयार

प्रत्येक हल एक टास्क आईडी (taskId), स्थिति और त्रुटि विवरण लौटाता है जिसका उपयोग लॉगिंग और पुनः प्रयास के लिए किया जाता है।

समस्या

CAPTCHAs Browser Use एजेंटों को क्यों रोकते हैं?

Browser Use एजेंट नेविगेट कर सकते हैं, क्लिक कर सकते हैं और टाइप कर सकते हैं, लेकिन CAPTCHA और सत्यापन जांच एक बहु-चरणीय कार्य को बाधित कर सकते हैं। इनसे निपटने का कोई तरीका न होने पर, एजेंट रुक सकता है, उसी चरण को दोहरा सकता है या उसे मानवीय सहायता की आवश्यकता हो सकती है।

कार्यप्रवाह में व्यवधान

CAPTCHA ब्राउज़र कार्य के बीच में ही एजेंट को रोक सकता है।

मैन्युअल फ़ॉलबैक

जब एजेंट का काम रुक जाता है, तो आपकी टीम के किसी सदस्य को हस्तक्षेप करना पड़ता है।

CAPTCHA को संभालने की सुविधा नहीं है

Browser Use क्लिक करने और टाइप करने के लिए किया जा सकता है, लेकिन CAPTCHA दिखाई देने पर उसे अभी भी सहायता की आवश्यकता होती है।

नया IP पर्याप्त नहीं है

IP बदलने से कुछ मामलों में मदद मिल सकती है, लेकिन इससे पेज पर पहले से मौजूद CAPTCHA हल नहीं किया जा सकता है।

उपयोग के मामले

आपको Browser Use एजेंट में CapSolver कब जोड़ना चाहिए?

सार्वजनिक-डेटा वर्कफ़्लो

जब CAPTCHA जांच के कारण कार्य बाधित हो, तो स्वीकृत शोध और डेटा संग्रह में सहयोग करें।

फॉर्म और वर्कफ़्लो परीक्षण

स्वीकृत वातावरणों में साइनअप, लॉगिन, चेकआउट और फॉर्म प्रक्रियाओं का परीक्षण करें।

आंतरिक व्यावसायिक कार्यप्रवाह

आंतरिक उपकरणों और व्यावसायिक प्रणालियों में स्वीकृत ब्राउज़र कार्यों का समर्थन करें।

पर्यवेक्षित ब्राउज़र एजेंट

जब कोई CAPTCHA किसी अधिकृत ब्राउज़र कार्य को बाधित करता है, तो पर्यवेक्षित एआई एजेंटों को अपना कार्य जारी रखने में सहायता करें।

त्वरित शुरुआत

CapSolver को कस्टम एक्शन के रूप में रजिस्टर करें

नीचे दिया गया उदाहरण आज CapSolver के सार्वजनिक REST API के साथ काम करता है। यह एजेंट द्वारा किसी भी CAPTCHA पर किए जा सकने वाले एक एक्शन को रजिस्टर करता है, उसे हल करता है और एजेंट को टोकन लौटाता है - जो चुनौती फ़ील्ड भरता है और सबमिट करता है।

browser_use_agent.py
# pip install browser-use capsolver-agent
# export CAPSOLVER_API_KEY=CAP-XXXXXX
# export OPENAI_API_KEY=sk-XXXXXX

import asyncio
import json
import os
from browser_use import ActionResult, Agent, Browser, ChatOpenAI, Tools
from capsolver_core import Capsolver
from capsolver_core.capsolver import SolveOnPageOptions
from _env import load_example_env  # demo only: reads repo-root .env

load_example_env()

# 1. Adapt Browser Use's live page to capsolver-core's PageDriver (evaluate + url).
class PageDriver:
    def __init__(self, session):
        self.session = session

    async def url(self) -> str:
        return await self.session.get_current_page_url()

    async def evaluate(self, script: str, arg=None):
        cdp = await self.session.get_or_create_cdp_session()
        result = await cdp.cdp_client.send.Runtime.evaluate(
            params={
                "expression": f"({script})({json.dumps(arg)})",
                "returnByValue": True,
                "awaitPromise": True,
            },
            session_id=cdp.session_id,
        )
        return result.get("result", {}).get("value")

# 2. Register one action: detect + solve + autofill on the page the agent controls.
tools = Tools()
capsolver = Capsolver(api_key=os.environ["CAPSOLVER_API_KEY"])

@tools.action(
    description="Solve and autofill every supported captcha (reCaptchaV2 / reCaptchaV3 / "
                "cloudflare) on the current page. Never solve a captcha yourself."
)
async def solve_page_captchas(browser_session) -> ActionResult:
    results = await capsolver.solve_on_page(
        PageDriver(browser_session),
        options=SolveOnPageOptions(autofill=True, throw_on_error=False),
    )
    if not results:
        return ActionResult(extracted_content="No supported captcha on this page.")
    filled = sum(1 for r in results if r.filled)
    if not filled:
        return ActionResult(error="; ".join(r.error or "not filled" for r in results))
    return ActionResult(
        extracted_content=f"Filled {filled}/{len(results)} captcha tokens. Continue the "
                          "workflow now, e.g. click Submit.",
    )

# 3. Hand the action to the agent; the LLM decides when to call it.
model = os.environ.get("OPENAI_MODEL", "gpt-4o")
# OpenAI-compatible gateways (DeepSeek, ...) reject OpenAI's structured-output format.
compat = {} if "openai.com" in os.environ.get("OPENAI_BASE_URL", "openai.com") else {
    "dont_force_structured_output": True,
    "add_schema_to_system_prompt": True,
}

agent = Agent(
    task="Solve the captcha on this page, then click Submit and report the result.",
    llm=ChatOpenAI(model=model, **compat),
    browser=Browser(headless=False),
    tools=tools,
    initial_actions=[{"navigate": {"url": "https://www.google.com/recaptcha/api2/demo"}}],
)

# 4. Run.
asyncio.run(agent.run())

चरण-दर-चरण

4 चरणों में CAPTCHA सॉल्विंग कैसे जोड़ें

01

इंस्टॉल करें और अपनी कुंजी सेट करें

02

कस्टम कार्रवाई पंजीकृत करें

03

एजेंट को टूल पास करें

04

चलाएं और बाधा आने पर रिकवर करें

कवरेज

CapSolver Browser Use के लिए किन-किन प्रकार के CAPTCHA समर्थन करता है?

Browser Use reCAPTCHA v2, reCAPTCHA v3, उनके Enterprise वेरिएंट और Cloudflare Turnstile सपोर्ट करता है।

reCAPTCHA v2

स्टैंडर्ड, अदृश्य और एंटरप्राइज reCAPTCHA v2 चुनौतियाँ।

reCAPTCHA v3

स्कोर-आधारित और एंटरप्राइज़ reCAPTCHA v3 चुनौतियाँ, जिनमें कार्रवाई का समर्थन भी शामिल है।

Cloudflare Turnstile

प्रबंधित, गैर-अंतःक्रियात्मक और अदृश्य Turnstile विजेट।

अन्य CAPTCHA प्रकार

CapSolver API के माध्यम से उपलब्ध अतिरिक्त CAPTCHA कार्य प्रकारों का अन्वेषण करें।

पोजिशनिंग

Browser Use + CapSolver बनाम प्रॉक्सी रोटेशन

प्रॉक्सी Browser Use एजेंटों को वेबसाइटों तक पहुंचने में मदद करते हैं। CapSolver समर्थित CAPTCHAs हैंडल करता है, जिससे एजेंट अपना काम जारी रख पाता है।

क्षमता

प्रॉक्सी / IP रोटेशन

CapSolver

लक्ष्य पेज तक पहुंचता है

हाँ

साथ में प्रयोग करें

स्क्रीन पर मौजूद CAPTCHA का उत्तर देता है

नहीं

साथ काम करता है

समर्थित CAPTCHAs हल करता है

नहीं

हाँ

CAPTCHA टोकन लौटाता है

पुनः प्रयास, पुनः अवरुद्ध हो सकता है

हाँ

कार्य का विवरण प्रदान करता है

अलग-अलग हो सकता है

कार्य आईडी, स्थिति और त्रुटियाँ

अपने मौजूदा ब्राउज़र सेटअप और प्रॉक्सी बनाए रखें। समर्थित CAPTCHAs आने पर उन्हें संभालने के लिए CapSolver जोड़ें।

प्रोडक्शन

उत्पादन Browser Use एजेंटों के लिए सर्वोत्तम अभ्यास

एजेंट के चलने से पहले CapSolver जोड़ें

एजेंट द्वारा ब्राउज़र कार्य शुरू करने से पहले ही CAPTCHA हल करने की सुविधा उपलब्ध कराएं।

सफलता और असफलता दोनों को संभालें।

सफल परिणाम मिलने पर एजेंट को आगे बढ़ने दें और अनुरोध विफल होने पर सुरक्षित रूप से रुक जाएं।

प्रत्येक CAPTCHA अनुरोध को रिकॉर्ड करें

प्रत्येक अनुरोध के लिए टास्क आईडी, CAPTCHA प्रकार, स्थिति और त्रुटियों को रिकॉर्ड करें।

अनुरोध समयसीमा निर्धारित करें

निर्धारित समय के बाद प्रतीक्षा करना बंद कर दें ताकि एजेंट अटका न रहे।

सही उत्तर फ़ील्ड का उपयोग करें

reCAPTCHA और Cloudflare Turnstile अलग-अलग फ़ील्ड में परिणाम देते हैं।

अपनी API कुंजी को सुरक्षित रूप से संग्रहित करें।

CAPSOLVER_API_KEY किसी एनवायरनमेंट वेरिएबल या सीक्रेट मैनेजर में रखें।

अक्सर पूछे जाने वाले प्रश्न

नीति

जिम्मेदार उपयोग

CapSolver ज़िम्मेदार स्वचालन के लिए डिज़ाइन किया गया है: अधिकृत QA परीक्षण, RPA वर्कफ़्लो, अभिगम्यता उपकरण, सार्वजनिक डेटा तक पहुँच और अन्य अनुपालन संबंधी कार्य। उपयोगकर्ताओं की ज़िम्मेदारी है कि वे यह सुनिश्चित करें कि उनका उपयोग उन साइटों की लागू सेवा शर्तों और विनियमों का अनुपालन करता है जिन तक वे पहुँचते हैं। CapSolver अनधिकृत पहुँच या दुर्भावनापूर्ण स्वचालन का समर्थन या अनुमोदन नहीं करता है।

संबंधित एकीकरण

अपने एजेंट स्टैक के लिए CapSolver और अधिक एकीकरणों का अन्वेषण करें

अपने एजेंट या ब्राउज़र वर्कफ़्लो में CAPTCHA सॉल्विंग जोड़ने के लिए कोई दूसरा इंटीग्रेशन चुनें।

01

Playwright

कस्टम ब्राउज़र ऑटोमेशन में CAPTCHA सॉल्विंग को जोड़ें।

एकीकरण देखें
02

LangChain

LangChain एजेंटों में कॉलबल टूल के रूप में CapSolver उपयोग करें।

एकीकरण देखें
03

OpenAI Agents SDK

फंक्शन टूल्स और एजेंट वर्कफ़्लो के माध्यम से CAPTCHA सॉल्विंग को जोड़ें।

एकीकरण देखें
04

MCP सर्वर

CapSolver उन अन्य क्लाइंट्स से कनेक्ट करें जो MCP टूल्स को सपोर्ट करते हैं।

एकीकरण देखें

अपने Browser Use एजेंट में CAPTCHA हल करने की सुविधा जोड़ें

निःशुल्क परीक्षण से शुरुआत करें और समर्थित CAPTCHAs दिखाई देने पर अधिकृत ब्राउज़र वर्कफ़्लो को चालू रखें।