browser-use/browser-harness

Browser Harness – 直接將 LLM 連接到您的真實瀏覽器

這是什麼 – Browser Harness 是一個輕量級的 Python 庫，讓基於語言模型的代理透過 Chrome DevTools Protocol (CDP) 控制本機的 Chrome/Edge 瀏覽器。代理可以在執行時撰寫小型輔助函數，並將其儲存在自己的工作空間中，因此每次任務後系統會變得更聰明。

運作方式

• 開啟單一可編輯的 CDP WebSocket（chrome://inspect/#remote‑debugging）。
• 庫內附帶一個 技能（browser-harness skill），教導 LLM 基本的瀏覽器操作流程（開啟分頁、點擊、捲動、下載檔案等）。
• 當代理遇到缺少的輔助函數時，會將 Python 程式碼寫入 agent-workspace/agent_helpers.py。這些輔助函數可重複使用於未來的執行。
• 可選的 MCP（Multi‑Chat‑Protocol）伺服器（browser-harness-mcp）透過 stdio 暴露相同的控制功能，因此任何 MCP 相容的客戶端（Claude Code、Cursor、Devin、…）都能驅動瀏覽器，無需重新實作 CDP。

主要功能

• 檔案上傳／下載 – 例如，將檔案上傳至網站，或如示範 GIF 所示抓取影片。
• 平行／擴展式瀏覽 – 可使用免費的本機瀏覽器處理個人任務，或切換至 Browser Use Cloud 以使用多個瀏覽器、代理伺服器、解決 CAPTCHA 等。
• 代理產生的輔助函數 – LLM 可在會話期間擴充自身的工具箱，使系統持續進化。
• 零設定使用者體驗 – 一次「啟用遠端除錯」點擊後，代理會處理剩餘所有事項。

典型工作流程

1. 使用 uv（Python 3.12）安裝／升級，並註冊技能。
2. 執行 harness；它會開啟遠端除錯頁面。
3. 使用者授權連接。
4. LLM 收到提示（例如：「開啟我的 X 帳戶，找出我最近的 20 個影片貼文，並下載它們。」），開始發出 CDP 命令。
5. 若需要的輔助函數缺失，LLM 會將其寫入 agent_helpers.py，並繼續執行。

快速上手

• 跟隨簡短的 設定提示（複製貼上至 Claude Code 或 Codex），此提示會安裝套件、註冊技能，並詢問是否啟用可選的本機錄製功能。
• 詳細安裝步驟請見 install.md。
• 技能定義位於 SKILL.md；核心程式碼在 src/browser_harness/。

擴展性 – 對於大量工作負載，請從 Browser Use Cloud 取得 API 金鑰，讓雲端服務啟動多個瀏覽器，並支援額外功能（隱蔽模式、代理伺服器、CAPTCHA 解決、即時預覽）。

社群 – 歡迎貢獻，無論是錯誤修復、文件改善，或新增代理產生的領域技能。詳見 CONTRIBUTING.md 以取得指引。

---

總結 – Browser Harness 提供了一個實用的橋樑，讓現代 LLM 代理能與真實的網路瀏覽器互動，即時學習新動作，並可選地擴展至雲端主機的瀏覽器。這是建構網頁代理應用程式的一個具體基礎設施。