跳到主要内容

Browser Use

Browser Use 是一个领先的开源 Python 库，旨在让 AI 智能体（AI Agents）能够像人类一样自主地操作网页浏览器。它由 Magnus Müller 和 Gregor Zunic 创建，目前在 GitHub 上已获得超过 8 万颗星。 ¹ ² ³

核心功能与工作原理

自主交互：AI 智能体可以接收自然语言指令，例如“在 Hacker News 上查找排名前三的帖子”，然后自动打开浏览器、导航页面、点击按钮、填写表单并提取数据。
视觉与 DOM 结合：它通过 Chrome DevTools Protocol (CDP) 控制浏览器，将页面的 HTML 结构信息与视觉截图结合，帮助 AI 理解复杂的交互逻辑。
多模型支持：兼容 OpenAI (GPT-4o)、Anthropic (Claude)、Google (Gemini) 以及通过 Ollama 运行的本地模型。官方推荐使用其专门优化的 ChatBrowserUse 模型，速度比普通模型快 3-5 倍。
隐身与反爬：支持隐身浏览器模式、验证码识别及 195 多个国家的代理，以规避网站的自动化检测。 ¹ ³ ⁴ ⁵ ⁶ ⁷ ⁸ ⁹

主要组件

Browser Use 开源库：免费使用的 Python 核心库，适合开发者在本地构建自动化脚本。
Browser Use Cloud：托管服务平台，提供可扩展的云端浏览器基础设施，无需本地配置环境。
Browser Use CLI：命令行工具，支持快速执行单次任务或启动持久化的浏览器会话。
Workflow Use：用于创建确定性的、具备自愈能力的 RPA 2.0 工作流。 ¹ ⁴ ¹⁰ ¹¹ ¹² ¹³ ¹⁴ ¹⁵

快速上手示例 (Python)

安装后，可以通过几行代码启动一个简单的 AI 任务： ⁵ ¹⁶

from browser_use import Agent, Browser, ChatBrowserUse
import asyncio

async def main():
    agent = Agent(
        task="在 Google 上搜索 'Python 教程' 并告诉我第一个搜索结果的标题",
        llm=ChatBrowserUse()
    )
    await agent.run()

asyncio.run(main())

(注：运行前需配置 BROWSER_USE_API_KEY 环境变量) ⁴ ⁷

核心功能与工作原理
主要组件
快速上手示例 (Python)