## 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）：

```bash
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：

```python
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：**

```python
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：

```text
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：**

```sh
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

- GitHub 仓库：https://github.com/browser-use/browser-use
- 文档：https://docs.browser-use.com
- 云服务：https://cloud.browser-use.com
- 博客：https://browser-use.com/posts
- Discord：https://link.browser-use.com/discord

## 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）。