BrowserGym – Web代理研究框架

是什么

BrowserGym 是一个通过 Playwright 将 Web 浏览器转换为 Gymnasium 环境 的 开源 Python 库。研究人员可以接入任何基于 LLM 或规则的代理，使其与真实网页或合成网页任务进行交互。该库自带一系列知名 Web 自动化基准测试（MiniWoB、WebArena、WorkArena 等），并通过继承单一的 AbstractBrowserTask 类，轻松添加新任务。

为何重要

Web 代理研究——训练 LLM 浏览网页、填写表单、点击按钮或完成多步骤工作流——需要一个 标准化、可复现的实验环境。BrowserGym 提供：

一个 通用 API（gym.make(...)），使同一段代理代码可在多个基准测试中运行。
即插即用的基准测试，涵盖合成、视觉和真实世界任务。
与配套的 AgentLab 平台集成，支持大规模评估和轨迹收集。
可扩展的自定义任务支持，便于快速原型化新的 Web 交互挑战。

适合谁

构建或评估 LLM 驱动 Web 代理的研究人员。
需要可复现环境来基准测试新提示策略或微调方法的 ML 工程师。
创建自定义 Web 自动化任务并希望复用 Gym 风格循环和内置指标的开发者。

快速入门

# 安装完整包（包含所有基准测试）
pip install browsergym
# 安装 Playwright 的 Chromium 引擎
playwright install chromium

然后启动一个简单的开放式任务：

import gymnasium as gym
import browsergym.core  # 注册环境

env = gym.make(
    "browsergym/openended",
    task_kwargs={"start_url": "https://www.google.com/"},
    wait_for_user_message=True,
)
obs, info = env.reset()
while True:
    action = ...          # 你的代理的下一步动作
    obs, reward, done, _, info = env.step(action)
    if done:
        break
env.close()

将 ... 替换为对 LLM（如 OpenAI 的 gpt-4o-mini）的调用或任何自定义策略。

主要特性（来自 README）

特性	详情
内置基准测试	MiniWoB, WebArena, WebArenaVerified, VisualWebArena, WorkArena, AssistantBench, WebLINX, OpenApps, TimeWarp, Knows
可扩展任务类	继承 `AbstractBrowserTask` 以创建新基准
模块化安装	分离的 pip 包（`browsergym-core`, `browsergym-miniwob` 等）可按需安装
Playwright 后端	使用 Playwright 驱动的 Chromium 实现可靠、无头浏览
Gymnasium API	`gym.make`, `env.step`, `env.reset` — RL/代理开发者熟悉
AgentLab 集成	用于大规模实验管理和轨迹分析的配套仓库
演示代理	可直接运行的脚本（`demo_agent/run_demo.py`），支持任意 OpenAI 模型
开源且 MIT 许可	免费使用、修改和扩展

生态系统与相关项目

AgentLab – 在 BrowserGym 基准测试上运行代理并分析结果的框架。
WorkArena – 面向企业式任务的 ServiceNow 专用基准测试。
WebArena / VisualWebArena – 在自托管域名上的真实 Web 任务套件。
MiniWoB – 经典的合成 Web 任务集合。
DoomArena – 可向 BrowserGym 页面注入攻击的安全测试场。

何时使用它 vs 替代方案

情况	BrowserGym 适合
需要为 Web 任务提供标准化的 RL 风格接口	✅
希望在多个公开基准测试上评估代理，而无需重写包装器	✅
仅需一个简单 Web 抓取脚本	❌（轻量级工具如 Selenium 或 Playwright 单独使用已足够）
观察中需要视觉感知（截图）	✅（VisualWebArena 和截图选项已内置）

引用

如果在论文中使用 BrowserGym，请引用提供的两个 BibTeX 条目（2025 Transactions on Machine Learning Research 和 2024 ICML）。相关研究的轨迹数据托管在 Hugging Face 上。

BrowserGym 是研究框架，不是消费级产品。请负责任地使用。

ServiceNow/BrowserGym