文档中心

函数服务

Gem Browser

一键部署 Gem Browser 应用

本文为您介绍如何通过函数服务应用中心一键部署 Gem Browser 应用。

说明

本功能为邀测功能，如果有试用需求请联系您的客户经理。

背景信息

应用介绍

GEM Browser 是一种轻量级云浏览器 Sandbox 服务，支持 CDP 协议、Puppeteer/Playwright 工具、SSE/Streamable HTTP 调用及 VNC 远程操作。具体以下特点：

轻量化浏览器内核，响应速度比标准 Chrome 大幅提高

支持 CDP，容器内保持单一浏览器实例

原生 MCP 接入支持，提供 Puppeteer MCP、Playwright MCP 两种工具接入

支持 VNC / Canvas 方式展示和人工接管浏览器，运行时更改屏幕分辨率

支持代理接入

支持自定义浏览器插件（例如 uBlock 等）

支持视觉模式截图（带浏览器标签页 Tabs）+ GUI 操作

运行时

Native 运行时。

关联云服务

注意

关联的云服务会产生相应的使用费用。计费详情，请查看关联云服务对应的计费文档。

函数服务：通过函数服务创建 Sandbox 实例。

API 网关：通过 API 网关访问 Gem Browser 中的服务。

前提条件

已开通本应用关联的所有云服务。

IAM 用户需确保已授权 VeFaaSFullAccess、APIGFullAccess、STSAssumeRoleAccess 策略。如果缺少以上策略，请联系主账号或管理员进行授权，操作详情参见创建用户并授权。

已创建 Serverless 网关类型的 API 网关实例，操作详情参见创建实例。

首次使用函数服务，需确保已完成跨服务授权。如未授权，控制台会弹出跨服务授权页面引导您进行授权。

已创建云沙箱实例，并获取沙箱实例的访问地址，操作详情参见创建沙箱实例。您还可以通过 API 或 All-in-One SDK 创建沙箱实例，参见文末通过 API 或 SDK 创建沙箱实例。

操作步骤

登录函数服务控制台。

在顶部导航栏，选择目标地域。

在左侧导航栏选择应用 > 我的应用。

在应用页面，单击创建应用。

在创建应用页面，选择 Gem Browser 模板，单击创建。

在创建应用页面，配置应用参数。

基础信息

配置项	说明
已选模板	展示选择的模板。本场景为 Gem Browser。
名称	自定义应用的名称。
备注	填写当前应用的备注信息，可以为空。
IAM 角色	应用中心提供了系统默认角色 ServerlessApplicationRole，该角色包含了应用中心需要访问的部分云资源权限。如果您的用户角色未包含此角色，将会自动添加该角色。如果您的用户角色已包含此角色，系统会自动检测该角色是否已包含当前应用需要的所有策略。当缺少相关策略时，控制台会提示需要添加的策略名称，请单击添加策略进行添加。注意 IAM 用户需确保已授权 IAMReadOnlyAccess 策略，否则无权限获取 ServerlessApplicationRole 角色信息。 IAM 用户如需进一步为 ServerlessApplicationRole 角色添加策略，需确保已授权 IAMFullAccess 策略。更多 IAM 用户的角色相关操作，请参见 IAM 文档。
关联云服务	展示当前应用需要使用的所有云服务名称、开通状态及开通目的。注意使用关联云服务时可能产生的计费以及对账号余额的要求，请参见相关云产品计费文档：函数服务计费说明、API 网关计费说明。

高级配置

配置项	说明
地域	展示当前应用及应用下关联云资源所在的地域。
函数名称	自定义函数名称。
网关实例	选择前提条件中准备的 API 网关实例。将在该实例下自动创建 API 网关触发器相关资源，包括：服务、Upstream、路由。

单击确定，开始创建和部署应用。

系统将自动跳转至应用详情页面，为您实时展示应用部署日志。

操作结果

应用部署成功后，在应用详情页面的云资源列表中，单击 API 网关下的访问地址，即可进入您的应用交互界面。

后续操作

使用 All-in-One Sandbox

支持通过 API 、SDK 和 MCP 调用 All-in-One Sandbox。

API 使用说明参见 https://sandbox.agent-infra.com/api 中 Browser 部分。

Python SDK 示例如下，详细说明请参考社区使用说明。

说明

代码实例中的 `$URL` 为 Sandbox 的访问入口，地址获取方法参见访问沙箱实例。

from agent_sandbox import Sandbox
from agent_sandbox.browser import Action_Click, Action_MoveTo, Action_Typing

# Initialize client
client = Sandbox(base_url="$URL")

# Get browser information
browser_info = client.browser.get_browser_info()
print(f"CDP URL: {browser_info.cdp_url}")
print(f"Viewport: {browser_info.viewport}")

# Take screenshot
screenshot_data = client.browser.take_screenshot()
with open("screenshot.png", "wb") as f:
for chunk in screenshot_data:
f.write(chunk)

# Execute GUI actions
# Move mouse to position
client.browser.execute_action(
request=Action_MoveTo(x=500, y=300)
)

# Click at current position
client.browser.execute_action(
request=Action_Click()
)

# Type text
client.browser.execute_action(
request=Action_Typing(text="Hello World")
)