browser-use/browser-use

解决的问题

Browser Use 使 AI 代理能够像人类一样与网页浏览器进行交互。它消除了编写复杂且脆弱的爬虫脚本或手动自动化的需求，用户只需用自然语言描述任务，代理即可执行（例如填写求职申请或从网站提取结构化数据）。

工作原理

该项目提供了一个 Python 库和一个托管的云服务，将 LLM 与浏览器实例连接起来。代理分析页面内容并执行点击按钮、输入文本、填写表单等操作。它支持多种 LLM 提供商（OpenAI、Anthropic、Google 以及其自有的优化模型 ChatBrowserUse），并允许自定义工具集成以扩展代理的功能。

适用人群

• 开发者：构建大规模网页自动化软件的开发者，例如用于 QA、监控，或将浏览器代理嵌入产品中。
• AI 代理用户（如 Claude Code 或 Cursor）：希望使用 CLI 将浏览器控制功能添加到现有 AI 工具中的用户。
• 研究人员：寻找高性能网页自动化代理的研究人员。

主要亮点

• 多 LLM 支持：支持 GPT、Claude、Gemini 等多种模型。
• 类人交互：能够打开页面、点击、输入文本、填写表单。
• 会话管理：支持使用真实浏览器配置文件以保持认证和登录状态。
• 代码化自动化：提供 Python 库，支持可重复、可调度或并行的自动化任务。
• 高性能：在长期网页任务中，位列 Odysseys 排行榜第 1 名。