browser-use/browser-use

解決する課題

Browser Use は、AIエージェントが人間と同様にブラウザと対話できるようにします。複雑で壊れやすいスクレイピングスクリプトを書く必要がなく、手動の自動化も不要です。ユーザーは自然言語でタスクを説明し、エージェントがそれを実行します（例：求人応募フォームの記入や、ウェブサイトからの構造化データの抽出）。

動作方法

このプロジェクトは、LLMとブラウザインスタンスを接続するPythonライブラリとホストされたクラウドサービスを提供します。エージェントはページのコンテンツを分析し、ボタンのクリック、テキスト入力、フォームの記入などの操作を実行します。OpenAI、Anthropic、GoogleなどのさまざまなLLMプロバイダーをサポートしており、独自の最適化された ChatBrowserUse モデルも利用可能。カスタムツールの統合も可能で、エージェントの機能を拡張できます。

対象ユーザー

• 開発者：QA、モニタリング、製品にブラウザエージェントを組み込むなど、スケールの大きなウェブ自動化ソフトウェアを開発する人。
• AIエージェントのユーザー（例：Claude Code や Cursor）：CLI経由で既存のAIツールにブラウザ制御機能を追加したい人。
• 研究者：高性能なウェブ自動化エージェントを探している人。

特徴

• マルチ-LLM対応：GPT、Claude、Geminiなど幅広いモデルをサポート。
• 人間らしいインタラクション：ページの開く、クリック、入力、フォームの記入が可能。
• セッション管理：実際のブラウザプロファイルを使用して認証情報やログイン状態を維持。
• コードによる自動化：繰り返し実行可能、スケジュール可能、並列実行可能なPythonライブラリを提供。
• 高パフォーマンス：長期的なウェブタスクにおいて、Odysseysリーダーボードで1位を獲得。