browser-use/browser-use

Browser Use – 一个开源的 AI 浏览器代理

它是什么 – Browser Use 是一个 Python（及 TypeScript）库，允许基于大语言模型的代理控制真实的网页浏览器。它可以在本地 Chrome 实例或托管的“云浏览器”（一种按小时租用的廉价、隐蔽且支持代理的浏览器）上运行。该库附带一个 CLI 和一个功能齐全的 Agent 类，用于处理提示词、工具集成和结果提取。

核心功能

• 31 种浏览器操作（点击、输入、滚动、读取 DOM 等），作为工具暴露给任何支持工具调用的 LLM（Claude、GPT、Gemini 等）。
• CAPTCHA 规避与住宅代理：通过可选的 Browser Use Cloud 服务实现。
• 可插拔的 LLM 后端 – 直接使用 OpenAI、Anthropic、Google 模型，或使用专为浏览优化的专有 ChatBrowserUse (BU2) 模型。
• 自定义工具支持 – 注册任意 Python 函数（例如获取 UTC 时间），代理可以在任务执行期间调用这些函数。
• 三种使用路径：
  1. 完全托管的云 API（你发送任务，Browser Use 为你运行代理和浏览器）。
  2. 为现有代理提供浏览器访问权限的 CLI。
  3. 嵌入到你代码中的 Python 库。
• 基准测试套件（Browser Use Benchmark v2），用于评估模型在复杂网页自动化任务中的表现。

典型工作流（Python 库）

# Install (requires Python ≥3.11 and uv, but pip works too)
uv add browser-use
# Put your OpenAI key (or Browser Use API key) in .env
echo "OPENAI_API_KEY=sk‑…" >> .env

import asyncio, os
from browser_use import Agent, Browser, ChatOpenAI, ChatBrowserUse
from dotenv import load_dotenv
load_dotenv()

async def main():
    llm = ChatOpenAI(model='gpt-4o-mini')          # or ChatBrowserUse('bu-2-0')
    agent = Agent(task='Find the number of stars of the browser-use repo', llm=llm)
    history = await agent.run()
    print(history.final_result())

asyncio.run(main())

该代理会启动一个浏览器，导航到 GitHub，提取星标数量并将其打印出来。

适用场景

• 自动化重复性网页任务（填写表单、预约、数据提取）。
• 构建需要最新网页信息的 AI 助手。
• 研究 LLM 驱动的网页导航或对浏览器自动化模型进行基准测试。
• 原型化 RAG 流水线，让 LLM 通过浏览网页而不是静态索引来获取数据。

入门指南

• 路径 1 – 云 API：在 cloud.browser-use.com 注册，领取 $15 额度，并按照快速入门指南调用托管代理端点。
• 路径 2 – CLI：安装 browser-use CLI，运行 browser-use skill install，然后将提供的提示词粘贴到你最喜欢的 LLM 代码助手（Claude Code、Codex 等）中。
• 路径 3 – 库：按照上面的代码片段操作；你也可以将 Browser(use_cloud=True) 切换为在托管的云浏览器上运行。

文档与社区

• 文档：https://docs.browser-use.com（安装、自定义工具、与 Claude 集成、基准测试结果）。
• 博客与演示：https://browser-use.com/showcase。
• 支持：Discord、Twitter 以及一个包含示例、基准测试和相关项目（Browser Harness, Video Use, macOS Harness）的公共 GitHub 仓库。

许可证 – MIT（库本身免费；云浏览器和模型推理需单独付费）。

---

Browser Use 让你能够告诉 LLM“打开页面、点击按钮、读取结果”并获得结构化的答案，将网络变成一个交互式的知识源。