browser-use: 這是什麼、解決什麼問題以及為什麼它正受到關注

解決什麼問題

Browser Use 允許 LLM 與網頁瀏覽器進行互動，就像人類一樣，使它們能夠自動化複雜、多步驟的網頁任務，例如填寫工作申請表、購買雜貨以及在多個網站上研究資訊。

如何運作

該專案提供了一個瀏覽器框架（browser harness）和一個由 Rust 驅動的原生核心，為 LLM 提供真實的瀏覽器操作空間。它將高階任務轉換為特定的瀏覽器動作（點擊、輸入、導航），並包含用於處理錯誤的恢復迴圈（recovery loops）。使用者可以透過 Python API、命令列介面 (CLI) 或完全託管的雲端版本來執行代理程式，後者具有更好的隱匿性與擴展性。

對象是誰

開發人員正在構建需要在網路上執行動作的 AI 代理程式，以及想要透過簡單的 Python 腳本或 CLI 來自動化重複性瀏覽器工作流程的使用者。

重點功能

• 多模型支援：支援各種 LLM，包括 OpenAI、Anthropic 和 Google，以及針對瀏覽器自動化優化的專用 ChatBrowserUse 模型。
• Rust 核心：一個由 Rust 核心驅動的測試版代理程式，可提升效能與可靠性。
• 自定義工具：能夠將自定義 Python 函數作為工具添加進來，以擴展代理程式的能力。
• 隱匿性與擴展性：提供雲端選項，用於代理伺服器輪換、CAPTCHA 驗證碼破解以及隱匿瀏覽器指紋識別，以避免被偵測。
• CLI 工具：用於快速、持久的瀏覽器自動化與迭代的命令列介面 (CLI)。