jev-browser：用 Jev 决策替代多模态读网页
开源浏览器自动化工具用 Jev 在 DOM 元素上做结构化选择，单次维基跳转约 4 秒、成本约 $0.0016，可挂为 MCP Server。
发现了一个思路非常清爽且极致省钱的开源浏览器自动化工具：jev-browser。 玩过 Browser Use 或网页端 AI Agent 的人都深有体会：如果每一步都丢给多模态大模型读长 HTML 或渲染大截图，不仅推理速度慢，几步交互下来成本就奔着几毛甚至几块钱去了。 jev-browser 给出了一个完全不同的工程思路：用决策分类模型替代生成模型来主导网页循环。 核心亮点： 极致低成本与高速：核心决策基于 TypeSafe 的 Jev 模型，每一步直接从 DOM 可交互元素中做结构化选项（Click、Type、Select、Scroll、Done），并评估“目标达成率”和“卡顿概率”。跑一次真实维基百科跳转仅耗时约 4 秒，成本低至 $0.0016。 代码接管控制流：大模型很容易“幻觉死循环”，而这里运行循环、预算控制、停机门控（Stop Gates）以及异常重试全部由底层代码严密把控，状态达到阈值自动终止。 输入解耦设计：Jev 本身不做发散文本生成，当遇到需要敲字的场景时，由指定的轻量小模型（支持 Gemini Flash、Claude Haiku、GPT 或本地 Ollama）生成短字符串，每次仅花几十个 token。 原生支持 MCP 与丰富输出：既可以作为 Node.js 库与 CLI 运行，也能通过 npx -y @jkudish/jev-browser 一键挂载为 MCP Server，配合 Claude Code 或其他智能体使用。任务结束后直接交付 Markdown/HTML/Aria 树、最终网页截图，以及包含置信度与错误日志的完整调试 Trace。 对于想给自己的 Agent 接入低成本、高确定性网页抓取与操作能力的开发者来说，这个架构非常值得参考与上手。 项目链接：https://github.com/jkudish/jev-browser