browser-use / browser-use

browser-use/browser-use

open_in_new前往仓库

🌐 让AI代理能够访问网站，轻松实现在线任务自动化。

项目概览

项目概述

Browser Use 是一个开源 Python 库，旨在让 AI 代理能够像人类一样使用网络浏览器。它通过自然语言任务描述，使 AI 代理能够打开网页、点击按钮、输入文本、填写表单等，从而自动化完成各种在线任务。该项目由 browser-use 组织维护，采用 MIT 许可证，主要使用 Python 语言开发，并基于 Playwright 实现浏览器控制。

核心功能

  • 表单填写：自动填写求职申请、注册表单等。
  • 数据提取：从网页中提取结构化数据，并导出为 CSV 等格式。
  • QA 自动化：对本地网站进行自动化测试，报告 bug、可用性问题和视觉不一致。
  • 浏览器控制：通过 AI 代理控制浏览器，执行点击、输入、导航等操作。
  • 自定义工具：支持添加自定义工具，扩展代理能力。
  • 多模型支持：支持 OpenAI、Anthropic、Google 等多种 LLM 提供商，以及 Browser Use 自有的优化模型。
  • 云服务集成：提供完全托管的云代理，支持代理轮换、验证码解决、持久化文件系统和记忆。

适用与不适用场景

适用场景：

  • 需要自动化重复性网页任务的场景，如数据抓取、表单填写、QA 测试。
  • 希望将浏览器代理嵌入到自己的产品中的开发者。
  • 需要并行运行多个浏览器任务的场景。
  • 使用 AI 代理（如 Claude Code、Cursor）完成一次性浏览器任务的用户。

不适用场景：

  • 对浏览器操作有严格安全要求，且无法接受第三方云服务的场景。
  • 需要处理复杂验证码且不使用云服务的情况（开源版本不提供验证码解决）。
  • 需要极高并发和内存管理的生产环境，开源版本可能难以满足。

技术架构与依赖

  • 编程语言：Python（>=3.11）
  • 核心依赖：Playwright（浏览器自动化）、LangChain（LLM 集成）
  • LLM 提供商：支持 OpenAI、Anthropic、Google、Ollama 等，以及 Browser Use 云服务。
  • 架构：基于 Agent 模式，通过 LLM 决策调用浏览器操作工具。
  • 许可证：MIT

安装与快速开始

安装（Python >= 3.11）：

uv add browser-use
# 或
pip install browser-use

快速开始：

  1. 在 .env 文件中添加 LLM API 密钥（如 BROWSER_USE_API_KEY 或 GOOGLE_API_KEY）。
  2. 运行以下 Python 代码：
import asyncio
from browser_use import Agent, ChatBrowserUse

async def main():
    agent = Agent(
        task="Find the number of stars of the browser-use repo",
        llm=ChatBrowserUse(model='openai/gpt-5.5'),
    )
    history = await agent.run()

if __name__ == "__main__":
    asyncio.run(main())

典型使用方法

使用 Python 库进行自动化：

from browser_use import Agent, ChatBrowserUse

agent = Agent(
    task="填写这份求职申请，使用我的简历和信息",
    llm=ChatBrowserUse(model='bu-2-0'),
)
await agent.run()

使用 CLI 与现有 AI 代理集成：

在 Claude Code、Cursor 等代理中粘贴以下提示词，即可自动安装并连接浏览器：

Install or upgrade browser-use to the latest stable version with uv using Python 3.12, run `browser-use skill install` to register the skill, and connect it to my browser.

使用云 API：

curl -X POST https://api.browser-use.com/api/v4/runs \
  -H "X-Browser-Use-API-Key: $BROWSER_USE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"task": "Your task"}'

配置与部署要点

  • 环境变量：需要配置 LLM API 密钥，如 BROWSER_USE_API_KEY、GOOGLE_API_KEY、ANTHROPIC_API_KEY 等。
  • 浏览器配置：可以使用真实浏览器配置文件以保留登录状态，或使用远程浏览器。
  • 生产部署：建议使用 Browser Use Cloud 处理扩展性、内存管理、代理轮换和验证码解决。
  • 自定义模型：可通过 ChatBrowserUse 指定模型 ID，支持 openai/gpt-5.5、anthropic/claude-sonnet-4-6 等。

限制、风险与许可证

  • 限制：开源版本不提供验证码解决、高级隐身功能；Chrome 内存消耗大，并行任务管理复杂。
  • 风险：使用云服务时需注意数据隐私；自动化操作可能违反网站服务条款。
  • 许可证：MIT License。

官方链接

信息来源和分析时间

  • 信息来源：GitHub 仓库 README、官方文档、发布信息。
  • 分析时间：2026年7月27日（基于最新发布版本 0.13.7 的日期）。