旧石

开源了一个可以让Agent在IE上写作业的工具 如题，因为煮啵学的是商科，目前大四，校内经常会有一些虚拟仿真实验课程或者一些实训课，但是众所周知，学校使用的系统和平台大多是跟不上时代的，比如煮啵学的这门叫国际经贸综合实验的课程，实训平台页面如图，很古老的一个UI页面，并且网站只支持IE8浏览器 因此在最开始，我想让Codex帮我直接通过chorme/edge插件去控制浏览器完成任务的时候，突然发现Codex无法操作，因为Codex 操控 Chrome/Edge 通常依赖浏览器扩展或 DevTools 协议（CDP）。但是IE 根本没有这些现代机制，它的自动化接口古老且不稳定，官方早已不再维护，并且IE的Protected Mode 和过时的 JS 引擎经常导致如Selenium这些自动化工具的注入脚本失效或报错，要让 Agent 去适配这种环境，成本极高且不稳定。 所以按理来说，到这份上了，煮啵应该痛改前非，自己手搓，完成交易磋商、合同订立、开立信用证等一系列操作，但是过惯了让AI当牛做马的好日子，突然一夜回到解放前，着实有点不好接受，于是我就在想既然你通用Agent做不了无法适配环境，那我就自己手搓工具，让Agent去适配不就好了然后我开始询问chatgpt，市面上有没有现成的工具能够去用的，然后果然找到了解决方法——微软虽然早已停止支持原生 IE，但是他的官方文档里还保留了一个解决方案，就是通过 Selenium 和IEDriver 启动 Edge，在 IE 模式中加载网页并执行自动化操作。因此方案就很明了了，只需要给Agent增加一层专用工具，调用本机的 IEDriver就可以去控制IE上的所有网站和系统了。 但是方案虽然看着简单，因为单纯封装几个 Selenium 方法不难，但是真正想要做好，让 Agent 看得懂页面并且能够稳定地操作，即使操作失败也能知道原因还是比较费功夫的。 目前工具的第一版已经做好了，一共封装了32个工具，能够多窗口操作并且实现多进程会话管理和窗口崩溃后的残留清理，我自己在东方贸易之星虚拟仿真实训平台上是已经能够让Agent自己跑通全流程了，因此现在把它开源出来，如果你也被这种老系统卡住，可以拿去试试，有问题欢迎提 issue https://github.com/jiushiaaa/ie-mode-mcp

👋hello大家好，我是褚新磊，南京财经大学国贸专业的 27 届学生。虽然不是计算机科班出身，但从大一机缘巧合在校参加了一个ROKID举办的AI+AR眼镜的夏令营开始，对AI感到兴趣，然后半路出家，这几年也陆陆续续做过不少AI相关的事情，玩过AI绘图、炼过丹，也折腾过本地部署训练小模型，经常用codex和cc以及cursor把想法做成能跑的 Demo。 在校期间，加入了百度飞桨领航团（一个由百度飞桨发起的大学生AI兴趣社团），认识了一群同样爱折腾 AI 的不同高校的朋友 ，也通过这个机会接过一些项目，赚过一些零花钱。后面觉得校内学习的知识更偏向理论且自己做的产品更多是在自娱自乐，为了避免闭门造车的枪口以及更加清晰自己的职业规划，决定提前离开学校，看看外面真实的社会企业都在干什么，于是从大二开始，我先后在四家公司做 AI 产品经理实习，待过初创，也待过大厂，干过TOG产品，也干过TOB和TOC产品，做过K12教育AI产品，也做过AI保险和AI法律产品，做过vibecoding工具也做过办公Agent产品，目前在云梯科技做销售Agent和数据分析Agent平台产品，以及探索如何结合RSI实现更高阶的AI经营系统自进化。 然后工作之余，在做一个开源项目https://github.com/jiushiaaa/open-drama-flow，一个通过对话，让Agent自己调用工具和技能跑通AI视频从剧本创作到分镜创作到素材生成到视频剪辑和超分全流程的插件，用它制作的AI漫剧视频已经发在抖音和 B 站，我也在努力保持每周更新。感兴趣的话，欢迎来看看作品，也欢迎给项目提意见。 我正在寻找 AI 产品、Agent 应用和 AI 创作工具方向的机会。如果你们也在认真琢磨“AI 除了能聊，还能怎样把一件事做成”，很想认识你们，聊聊彼此正在做的东西。