Open-source AI browser agent for Chrome and Firefox (monorepo) 🧠
JavaScript ai-agentai-agentsai-toolsbrowser-aibrowser-automationbrowser-extensionchrome-aichrome-devtoolschrome-extensionchrome-extensionsfirefox-addonfirefox-addonsfirefox-extensionfirefox-extensionsgemmagemma4minimaxoffline-aioffline-llmqwen
Revise README.es.md for improved organization
sabahmax-37f96602d8061
diff --git a/README.es.md b/README.es.mdindex d98e9d0f1..8b1378917 100644--- a/README.es.md+++ b/README.es.md@@ -1,360 +1 @@-<p align="center">- <img src="assets/logo-mark.png" alt="Logotipo de WebBrain" width="92">-</p>-<h1 align="center">WebBrain</h1>--<p align="center">- Agente de IA de código abierto para el navegador: conversa sobre páginas, automatiza tareas y ejecuta flujos de trabajo de varios pasos con el LLM que elijas.-</p>--<p align="center">- <a href="https://chromewebstore.google.com/detail/webbrain/ljhijonmfahplgbbacgcfnaihbjljhhb"><img src="https://img.shields.io/badge/Chrome-Install-4285F4?style=for-the-badge&logo=googlechrome&logoColor=white" alt="Instala WebBrain desde Chrome Web Store"></a>- <a href="https://addons.mozilla.org/firefox/addon/webbrain/"><img src="https://img.shields.io/badge/Firefox-Install-FF7139?style=for-the-badge&logo=firefoxbrowser&logoColor=white" alt="Instala WebBrain desde Complementos para Firefox"></a>- <a href="https://microsoftedge.microsoft.com/addons/detail/dfbioajafcijomhljabppcelecgdgfeo"><img src="https://img.shields.io/badge/Edge-Install-0A84FF?style=for-the-badge&logo=microsoftedge&logoColor=white" alt="Instala WebBrain desde Complementos de Microsoft Edge"></a>-</p>--<p align="center">- <a href="README.md">English</a> ·- <a href="README.zh-CN.md">䏿–‡</a> ·- <a href="README.fr.md">Français</a> ·- <a href="docs/">Documentación</a> ·- <a href="https://webbrain.one">Sitio web</a> ·- <a href="https://discord.gg/cgC325ssfw">Discord</a> ·- <a href="LICENSE">GPL-3.0-or-later</a>-</p>----WebBrain es una extensión del navegador que coloca un agente de IA en un panel lateral junto a-tus pestañas. Pregúntale sobre la página que estás viendo o encárgale una tarea y deja que haga clic,-escriba y navegue hasta completarla. Funciona con el modelo que elijas: un servidor local de-llama.cpp u Ollama, una API en la nube de un modelo de vanguardia o la opción gestionada predeterminada,-que no necesita ninguna configuración.--## Instalación--Instálalo desde [Chrome Web Store](https://chromewebstore.google.com/detail/webbrain/ljhijonmfahplgbbacgcfnaihbjljhhb),-[Complementos para Firefox](https://addons.mozilla.org/firefox/addon/webbrain/) o-[Complementos de Edge](https://microsoftedge.microsoft.com/addons/detail/dfbioajafcijomhljabppcelecgdgfeo).--<details>-<summary><b>O cárgalo desde el código fuente</b></summary>--```bash-git clone https://github.com/webbrain-one/webbrain.git-```--**Chrome**: abre `chrome://extensions/`, activa el **Modo de desarrollador** (arriba a la-derecha), haz clic en **Cargar descomprimida** y selecciona la carpeta `webbrain/src/chrome`.--**Firefox**: abre `about:debugging#/runtime/this-firefox`, haz clic en **Cargar-complemento temporal** y selecciona `src/firefox/manifest.json`. Los complementos temporales-se eliminan al reiniciar Firefox; la instalación permanente requiere una firma a través de-[addons.mozilla.org](https://addons.mozilla.org).--</details>--## Uso--Haz clic en el icono de WebBrain para abrir el panel lateral y escribe algo como:--- «Resume esta página»-- «Busca todos los enlaces sobre precios»-- «Escribe “agentes de IA†en el cuadro de búsqueda y haz clic en Buscar»-- «Ve a github.com y busca los repositorios en tendencia»--Hay tres modos que controlan lo que puede hacer el agente:--| Modo | Qué puede hacer |-| --- | --- |-| **Ask** | Solo lectura. Lee la página, responde a preguntas y obtiene contenido de URL. |-| **Act** | Hace clic, escribe, navega, sube y descarga archivos y rellena formularios. |-| **Dev** | Añade acceso al código fuente de la página, los estilos, la consola y la red, asà como ediciones reversibles de la página. |--## Elige un modelo--**WebBrain Compass 1.0** es la opción predeterminada y no necesita clave de API ni configuración local.--Los **modelos locales** tampoco necesitan clave de API. Configura WebBrain para que se conecte a cualquier-servidor compatible con OpenAI:--```bash-llama-server -m your-model.gguf --port 8080 # llama.cpp-ollama serve # Ollama → :11434/v1-vllm serve your-model --port 8000 # vLLM → :8000/v1-python -m sglang.launch_server --model-path your-model --port 30000-```--LM Studio (`:1234/v1`), Jan (`:1337/v1`), LocalAI (`:8080/v1`) y GPT4All-(`:4891/v1`) funcionan del mismo modo. La ficha genérica **Local OpenAI-compatible Proxy**-también admite pasarelas de bucle local con autenticación, como CLIProxyAPI; consulta la-[configuración segura del proxy de suscripción](docs/providers-and-models.md#subscription-proxy-example-cliproxyapi).-**Unsloth Studio (Local)** utiliza la misma vÃa compatible con OpenAI, con el-puerto de Studio y la clave de API `sk-unsloth-` configurados por el usuario; consulta la-[configuración de Unsloth Studio](docs/providers-and-models.md#unsloth-studio).-Carga un modelo con una **ventana de contexto de al menos 16k tokens**: 8k solo funciona-con el nivel Compact, y 4k es insuficiente para el prompt del sistema y los esquemas de las-herramientas. WebBrain detecta automáticamente la ventana real de llama.cpp, Ollama y LM-Studio, y compacta la conversación a medida que se llena. En Ollama,-llama.cpp, LM Studio y LocalAI, también lee los metadatos nativos del servidor antes de-añadir capturas de pantalla; en Ajustes puedes elegir Auto, Force on y Off para controlar este comportamiento. Cuando-el campo opcional Model está vacÃo, se vuelven a comprobar las capacidades del modelo cargado en-cada turno del usuario, de modo que los cambios de modelo en caliente en el servidor surtan efecto. También hay una-integración preliminar mediante `ollama launch webbrain --model <model>`. Más información:-[proveedores y modelos](docs/providers-and-models.md#local-providers).--**API en la nube**: OpenAI, Anthropic Claude, Google Gemini, Azure OpenAI, AWS-Bedrock, Mistral, DeepSeek, xAI Grok, MiniMax, Kimi, Qwen, z.ai GLM, Groq,-Together, Cloudflare, Nvidia NIM, Hugging Face, Fireworks, OpenRouter y muchos más.-Ajustes incluye **106 fichas de proveedores integradas en Chromium** (105 en Firefox),-entre ellas una opción WebGPU local sin endpoint, con la configuración predefinida y probada de LFM2.5 2.6B,-y una opción experimental para usar un repositorio ONNX personalizado de Hugging Face.-Consulta el [catálogo completo](docs/providers-and-models.md#extended-provider-catalog).--## Funciones--- **Lee cualquier página**: texto, enlaces, formularios, tablas, PDF y elementos- interactivos, mediante el árbol de accesibilidad en lugar de selectores frágiles.-- **Actúa sobre ella**: hace clic, escribe, se desplaza, navega, sube y descarga archivos y verifica- formularios, con solicitudes de permiso por sitio antes de realizar acciones con consecuencias.-- **Planifica antes de actuar**: Act y Dev pueden generar un plan estructurado, mostrarlo para- su aprobación y fijarlo en el bloc de trabajo antes de ejecutar cualquier herramienta.-- **Agente de varios pasos**: bucle autónomo de uso de herramientas, configurable hasta 195 pasos- (130 de forma predeterminada), con un botón para continuar al alcanzar el lÃmite.-- **Flujos de trabajo guardados**: convierte una ejecución satisfactoria en un flujo reutilizable,- sin valores concretos incorporados, que puedes volver a ejecutar, exportar y compartir.-- **Tareas programadas y seguimientos**: `/schedule` para más adelante y `/watch` para consultar- periódicamente una página y actuar cuando se cumpla una condición.-- **Skills**: instrucciones y herramientas de confianza que solo se cargan cuando son pertinentes.-- **Contexto inteligente**: compactación automática basada en el número de tokens, lÃmites para los resultados de- las herramientas y recuperación de emergencia cuando se supera la capacidad del contexto.-- **Conversaciones por pestaña**: cada pestaña conserva su propio historial; memoria local opcional- para las preferencias que indique el usuario.-- **Panel lateral pensado para leer**: respuestas de Ask en tiempo real, controles flotantes que- mantienen tu pregunta a la vista a medida que crecen las respuestas, botones para copiar, un aviso de- inspección de la página y un botón de parada que funciona durante la ejecución.-- **Determinista de forma predeterminada**: temperatura `0.15` para las decisiones de control del navegador,- `0.3` para Ask y `0` para las descripciones visuales de las capturas de pantalla.--## Herramientas del agente--WebBrain distingue entre **nivel** y **modo**. El nivel (`compact`, `mid`, `full`) es un-ajuste por proveedor que controla cuántas herramientas ve un modelo: Compact es adecuado para-modelos locales pequeños; Full desbloquea acciones como pasar el cursor, arrastrar y soltar, y trabajar con marcos y shadow DOM. El modo-(`ask`, `act`, `dev`) controla lo que permite el usuario.--La matriz completa de herramientas por nivel, las notas sobre WebMCP y los diagnósticos del modo Dev están en-[herramientas del agente](docs/agent-tools.md).--## Comandos con barra--Escribe `/help` en el panel para ver la sintaxis completa y las opciones. Estos son algunos de los más útiles:--| Comando | Qué hace |-| --- | --- |-| `/ask` · `/act` · `/dev` · `/plan` | Cambia de modo antes de enviar el mensaje. |-| `/schedule [prompt]` | Crea una tarea programada. |-| `/watch [--keep] [--secs <30-120>] [--long \| --short] <condición y acción> [/beep]` | Consulta periódicamente la página actual y actúa cuando se cumple una condición. |-| `/workflow` · `/workflow --save <nombre>` | Gestiona los flujos de trabajo guardados o convierte la última ejecución satisfactoria en uno. |-| `/teach --start <nombre>` · `/teach --end` | Aprende un flujo de trabajo reutilizable a partir de las acciones que le muestras. |-| `/memory --add <texto>` | Guarda una preferencia del usuario. |-| `/screenshot [--full-page]` | Captura la pestaña o la página completa, incluido el contenido fuera de la vista. |-| `/record [--transcribe]` | Graba la pestaña actual y, opcionalmente, guarda una transcripción. |-| `/export [--traces \| --config]` | Descarga la conversación, la secuencia de herramientas o una copia de los ajustes. |-| `/compact` · `/reset` · `/verbose` | Compacta el contexto, borra la conversación o activa y desactiva los detalles de las herramientas. |-| `/allow-api` | Permite, solo en esta conversación, que `fetch_url` realice cambios cuando falla la interfaz. |--`/watch` realiza la primera comprobación de inmediato y después consulta la página cada 60 segundos-(`--secs` admite valores de 30 a 120). Las condiciones relativas, como «cuando aparezca un nuevo commit»,-establecen una referencia inicial en la primera comprobación; `--keep` mantiene el seguimiento activo y-suprime las alertas repetidas con la misma clave estable de evento.--Referencia completa, incluidos `/dangerously-skip-permissions` y los sufijos para capturar ejecuciones:-[comandos con barra](docs/slash-commands.md).--## Atajos de teclado--Los atajos del panel lateral de Chrome funcionan cuando el panel lateral de WebBrain tiene el foco.--| Atajo | Qué hace |-| --- | --- |-| `Ctrl+/` o `Cmd+/` | Lleva el foco al campo de entrada. |-| `Ctrl+Shift+A` o `Cmd+Shift+A` | Cambia al modo Ask. |-| `Ctrl+Shift+X` o `Cmd+Shift+X` | Cambia al modo Act. |-| `Ctrl+Shift+D` o `Cmd+Shift+D` | Cambia al modo Dev. |-| `Escape` | Detiene la ejecución activa, salvo cuando solo cierra el autocompletado de comandos con barra. |-| `Escape` dos veces | Detiene una grabación activa desde WebBrain o desde las páginas del navegador. |--## Documentación--| | |-| --- | --- |-| [Arquitectura](docs/architecture.md) | Visión general del sistema, flujo de los turnos y subsistemas. |-| [Herramientas del agente](docs/agent-tools.md) | Niveles, modos y matriz completa de herramientas. |-| [Comandos con barra](docs/slash-commands.md) | Todos los comandos y sus opciones. |-| [Proveedores y modelos](docs/providers-and-models.md) | Las 105 fichas de proveedores, configuración local y niveles. |-| [Skills](docs/skills.md) | Skills incluidas, importación y herramientas de skills. |-| [Modelo de seguridad](docs/security-model.md) | Permisos, credenciales y lÃmites de confianza. |-| [Defensa frente a la inyección de prompts](docs/prompt-injection-defense.md) | Capas de defensa y carencias conocidas. |-| [Privacidad y flujo de datos](docs/privacy-and-data-flow.md) | Qué sale del navegador y qué permanece en él. |-| [Ãrbol de accesibilidad y referencias](docs/accessibility-tree-and-refs.md) | Cómo se leen las páginas y se identifican los elementos sobre los que actuar. |-| [Adaptadores de sitios](docs/site-adapters.md) | Instrucciones por sitio y contratos versionados de flujos de trabajo. |-| [Formatos de exportación y flujos de trabajo](docs/export-and-workflow-formats.md) | `webbrain-config/1`, `webbrain-workflow/1`. |-| [Añadir una herramienta](docs/adding-a-tool.md) · [Localización](docs/localization.md) · [Escenarios de prueba](docs/test-scenarios.md) | GuÃas para colaboradores. |-| [Comunidad](docs/community.md) | GuÃa del servidor de Discord: canales, roles, normas y vÃas de escalado. |--También disponible en [䏿–‡](docs/zh-CN/) y [Français](docs/fr/).--## Comunidad--Habla de todo lo relacionado con WebBrain —ayuda, configuración de modelos locales y en la nube, adaptadores de-sitios, demostraciones y coordinación entre colaboradores— en el-[Discord de WebBrain](https://discord.gg/cgC325ssfw). Consulta-[comunidad](docs/community.md) para conocer la organización del servidor y-[discord-setup](docs/discord-setup.md) para ver la configuración de los canales, los roles y la pantalla de bienvenida.-Los informes de errores y las solicitudes de funciones deben publicarse en las-[incidencias de GitHub](https://github.com/webbrain-one/webbrain/issues), no en Discord.--## Estructura del repositorio--```-src/chrome/ Versión Manifest V3: service worker, chrome.scripting, sidePanel-src/firefox/ Versión Manifest V2: página en segundo plano, executeScript, sidebar_action-docs/ Documentación de diseño y referencia (en, zh-CN, fr)-mcp-server/ Servidor MCP: delega tareas del navegador desde Claude Code, Codex y Cursor-lmstudio-plugin/ Herramientas web y delegación al navegador como plugin independiente de LM Studio-web/ Sitio de presentación y sitio de documentación-test/ Suite de pruebas de Node, benchmarks de escenarios con LLM y corpus de seguridad-```--Casi todo el código del agente se comparte entre ambas versiones. Consulta-[arquitectura](docs/architecture.md#chrome-vs-firefox-key-differences) para conocer-sus diferencias.--## Problemas conocidos--**La versión para Firefox tiene bastantes más limitaciones que la de Chrome.** Firefox no tiene un equivalente al-Chrome DevTools Protocol a través de `chrome.debugger`, por lo que su versión no permite-atravesar el shadow DOM, generar eventos reales de ratón de confianza (algunos manejadores de React/Vue no-se activan), recorrer raÃces shadow cerradas, disponer de un margen de reintentos de `resolveSelector`,-reintentar teniendo en cuenta la navegación de las SPA ni obtener capturas mediante CDP. Utiliza `tabs.captureTab`-para capturar el área visible, incluidas las pestañas de ejecución inactivas, pero sigue sin poder ofrecer-las capturas de precisión de pÃxel o de página completa que proporciona CDP en Chrome. Los adaptadores de sitios, la detección-visual, la detección de bucles, el bucle de capturas automáticas y el conjunto de prompts y herramientas de Compact-_sÃ_ están presentes en Firefox. Algunas aplicaciones de página única también pueden no activar-la reinyección de los scripts de contenido tras una navegación del lado del cliente.--## Cómo contribuir--Consulta [CONTRIBUTING.md](CONTRIBUTING.md). Para añadir una herramienta, sigue la lista de comprobación de-[añadir una herramienta](docs/adding-a-tool.md). Para añadir un proveedor, crea una subclase de-`BaseLLMProvider`, implementa `chat()` (y, opcionalmente, `chatStream()`) y-regÃstrala en `providers/manager.js`, replicando ambos cambios en-`src/chrome/` y `src/firefox/`. Todos los proveedores normalizan sus respuestas al formato-`{ content, toolCalls, usage }`; encontrarás más información en-[proveedores y modelos](docs/providers-and-models.md#adding-a-provider).--Los cambios recientes están en [CHANGELOG.md](CHANGELOG.md).--## Servidor MCP--Permite que un agente de programación utilice *tu* navegador. Claude Code, Codex, Cursor y OpenClaw-pueden delegar una tarea en WebBrain, que se ejecuta en la sesión en la que ya has iniciado-sesión: con las cookies disponibles y la autenticación SSO ya completada. Un framework sin interfaz gráfica-arranca sin sesión y se bloquea en la primera pantalla de acceso; aquà eso no ocurre.--```bash-claude mcp add --transport stdio webbrain -- npx -y @webbrain/mcp-server-```--Claude Code inicia el servidor automáticamente al comenzar una sesión MCP.-Si prefieres iniciarlo tú, ejecuta el siguiente comando y deja ese terminal-abierto (pulsa `Ctrl+C` para detenerlo):--```bash-npx -y @webbrain/mcp-server-```--Con el servidor en marcha, abre **WebBrain → Settings → General → Advanced →-MCP**, establece la URL en `ws://127.0.0.1:17374/extension` y actÃvalo.-**Solo en Chromium**: el entorno de ejecución del control y del puente utiliza el documento fuera de pantalla-de la extensión, del que no dispone la versión para Firefox.--Si en Ajustes aparece **Connection error: WebSocket error**, normalmente significa que no hay ningún proceso-escuchando en la URL configurada. Inicia el servidor MCP, comprueba que la URL utiliza-el puerto `17374` y deja su proceso en ejecución. Consulta la-[guÃa de resolución de problemas de `mcp-server`](mcp-server/README.md#troubleshooting) para-comprobar si hay un proceso a la escucha y conocer los demás puertos del puente.--```-webbrain_run(task: "abre el panel de Stripe y enumera los pagos fallidos de la semana- pasada con sus importes y los correos electrónicos de los clientes", mode: "ask")-```--Utiliza `webbrain_extract` con un esquema JSON cuando quien realiza la llamada necesite una salida-estructurada y predecible en lugar de un resumen en prosa. El servidor expone seis herramientas a nivel de-tarea: ejecución, extracción estructurada, estado, respuesta a una solicitud de aclaración, cancelación y-diagnóstico de conexión.--`mode='ask'` es de solo lectura. `mode='act'` puede hacer clic y escribir, sujeto a las mismas-solicitudes de aprobación en el navegador que recibe una persona. El servidor permite delegar tareas-en lugar de exponer las aproximadamente 50 operaciones básicas del navegador: el control de permisos de WebBrain-reside en el bucle del agente, por lo que acceder a cada operación a través de un socket quedarÃa por debajo-de ese control y lo eludirÃa. Más información en [`mcp-server/`](mcp-server/).--La configuración completa de los clientes, los argumentos de las herramientas, el ciclo de vida de las ejecuciones,-los ejemplos de salida estructurada, los lÃmites de seguridad y la guÃa de resolución de problemas están en-[`web/docs/mcp/`](web/docs/mcp/).--> La extensión mantiene **un solo** socket de puente a la vez: WebBrain Cloud (17373),-> el servidor MCP (17374) o el plugin de LM Studio (17375). Para cambiar de uno a otro, modifica-> la URL en **Settings → General → Advanced → MCP**.--## Plugin de LM Studio--Un plugin independiente de [LM Studio](https://lmstudio.ai), disponible en-[`webbrain/web-tools`](https://lmstudio.ai/webbrain/web-tools):--```bash-lms clone webbrain/web-tools-```--`fetch_url` y `research_url` utilizan únicamente HTTP en Node: no necesitan navegador, pero tampoco-tienen cookies, sesión ni JavaScript. Con la extensión instalada en un navegador-Chromium, `browser_task` permite delegar tareas en tu navegador real con la sesión iniciada,-para acceder a páginas autenticadas y renderizadas en el cliente a las que no puede llegar HTTP por sà solo.-Si no hay ninguna extensión conectada, muestra un mensaje que indica cómo resolverlo; las herramientas HTTP-siguen funcionando en Firefox.--Código fuente: [`lmstudio-plugin/`](lmstudio-plugin/).--## Colaboradores--<a href="https://github.com/webbrain-one/webbrain/graphs/contributors">- <img src="https://contrib.rocks/image?repo=webbrain-one/webbrain" />-</a>--## Cómo citar--```bibtex-@software{webbrain2026,- author = {Sokullu, Emre},- title = {WebBrain: Open-source AI browser agent for chatting with pages},- year = {2026},- publisher = {GitHub},- url = {https://github.com/webbrain-one/webbrain}-}-```--## Licencia--WebBrain 33.0.0 y las versiones posteriores se distribuyen bajo la licencia-[GPL-3.0-or-later](LICENSE), ya que la extensión del navegador incluye-e integra el entorno de ejecución WebAssembly de Xapian/libzim, con licencia GPL. Las versiones-anteriores a la 33.0.0 conservan la licencia MIT que se aplicaba cuando se-publicaron; ese texto histórico se conserva en [LICENSES/MIT.txt](LICENSES/MIT.txt).--Creado con â¤ï¸ por [Emre Sokullu](https://emresokullu.com) y los [colaboradores de código abierto](https://github.com/webbrain-one/webbrain/graphs/contributors).--?