Browser Use

Browser Use 是什么

Browser Use 是一个让 AI Agent「像人一样上网」的开源框架。它把大语言模型的推理能力与真实浏览器操作结合起来，Agent 可以自己打开网页、点击按钮、填写表单、翻页、处理验证码，最终完成诸如「帮我预约驾照考试」「查一下这个仓库有多少 Star」这类任务。

项目主语言为 Python，底层基于 Playwright 驱动浏览器，支持本地浏览器、Browser Use 云端浏览器，以及通过 CDP 连接的远程浏览器。

三种使用路径

官方把使用方式拆成三条路径，按需求选择即可：

• Path 1：全托管云——直接调用托管 Agent API 与隐身浏览器，适合需要规模化、住宅代理与录制能力的场景。
• Path 2：CLI——把一段安装提示粘贴给 Claude Code、Codex 等编码 Agent，即可注册 skill 并连接你自己的浏览器。
• Path 3：Python 库——在你自己的代码里本地运行 Browser Use Agent，自由选择模型与浏览器。

快速上手（Python 库）

环境要求 Python >= 3.11，推荐使用 uv 管理依赖：

uv add browser-use

在 .env 中配置模型密钥：

OPENAI_API_KEY=your-key
# BROWSER_USE_API_KEY=your-key  # 可选：使用 BU2 模型或云浏览器

最小示例 agent.py：

import asyncio

from browser_use import Agent, ChatOpenAI
from dotenv import load_dotenv

load_dotenv()

async def main():
    llm = ChatOpenAI(model='gpt-5.6-luna', reasoning_effort='xhigh')
    agent = Agent(
        task="Find the number of stars of the browser-use repo",
        llm=llm,
    )
    history = await agent.run()
    print(history.final_result())

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

运行：

uv run agent.py

Agent 会自动打开浏览器、访问目标页面并输出结果。若想使用官方 BU2 模型或云浏览器，把 ChatOpenAI 换成 ChatBrowserUse，或给 Browser 传入 use_cloud=True 即可。

与 Claude 集成

Browser Use 还提供面向 Claude 的浏览器工具集，实现了 31 个浏览器动作，可驱动本地浏览器、云浏览器或远程浏览器，并附带 Bash 工具用于处理数据与写文件。使用时需要包含 anthropic.tools.browser 的 Anthropic SDK 版本。

适用与注意事项

• 适合需要「交互式网页操作」的自动化任务，传统爬虫难以覆盖的点击、登录、表单流程尤其合适。
• 运行依赖 LLM 调用，需关注 API 成本与响应延迟。
• 面对强反爬、复杂验证码的站点，成功率会下降，建议配合重试与人工兜底。
• 云端浏览器与 BU2 模型为付费服务，新用户通常有一定额度。

小结

Browser Use 把「LLM 决策 + 浏览器执行」这条链路封装得相当完整，既有开源库也有托管服务，是当前构建 Web 自动化 Agent 时值得优先评估的方案。