Browser Use

Browser Use 是什么？

Browser Use 是一个革命性的 AI 驱动浏览器自动化平台，其使命是"让 AI Agent 能够访问网站，轻松在线自动化任务"。该项目在 GitHub 上已获得 84,000+ 星标，是目前最热门的 AI 自动化项目之一。

平台的核心价值在于将大语言模型（LLM）与浏览器自动化无缝结合，用户只需用自然语言描述任务目标，AI 即可自动分析网页、执行操作、提取数据。Browser Use 支持多种 LLM 提供商（OpenAI、Google、Anthropic 等），并提供专为其优化的 Browser Use 2.0 模型，比通用模型快 6 倍、成本低 15 倍。

Browser Use 的核心功能或服务

1. AI 驱动浏览器控制：使用大语言模型让 AI Agent 自动理解网页、点击元素、填写表单、导航页面。

2. 多模型支持：支持 OpenAI、Google Gemini、Anthropic Claude 等主流 LLM，以及 Browser Use 自研的优化模型。

3. 自然语言任务描述：用户用日常语言描述目标，如"在 Amazon 上找最便宜的 USB 数据线并加入购物车"，AI 自动执行。

4. 云端浏览器服务：Browser Use Cloud 提供隐身浏览器、代理轮换、验证码处理等企业级功能。

5. 会话与状态管理：支持持久化登录状态、Cookie 管理，便于执行多步骤工作流程。

6. 技能扩展系统：支持创建和安装自定义技能，增强 Agent 在特定场景下的能力。

7. MCP 与集成支持：支持 Model Context Protocol 服务器，提供 OpenClaw、n8n、Playwright 等官方集成。

Browser Use 的适用场景

1. 网页数据采集：自动化抓取电商价格、新闻资讯、竞品信息等结构化数据。

2. 表单自动填写：批量填写注册表单、订单信息、问卷调查等重复性工作。

3. 业务流程自动化：自动化执行跨系统的业务流程，如订单处理、数据同步。

4. 测试与监控：自动化 Web 应用测试、网站可用性监控、页面变化检测。

5. 个人助理任务：如自动订票、比价购物、信息订阅等日常任务自动化。

如何使用 Browser Use

开源版使用方式

1. 环境安装：

uv init && uv add browser-use && uv sync
playwright install

2. 基础代码示例：

from browser_use import Agent, Browser, ChatBrowserUse
import asyncio

async def main():
    browser = Browser()
    agent = Agent(
        task="查找 browser-use 仓库的星标数量",
        llm=ChatBrowserUse(),
        browser=browser,
    )
    await agent.run()

asyncio.run(main())

3. CLI 快速操作：

browser-use open https://example.com    # 导航到 URL
browser-use state                      # 查看可点击元素
browser-use click 5                    # 按索引点击元素
browser-use screenshot page.png        # 截图

云端版使用方式

1. 访问官网：前往 https://browser-use.com/ 注册账号。

2. 获取 API Key：在控制台创建 API 密钥用于调用云端服务。

3. 配置模型：选择 Browser Use 2.0 或其他支持的模型。

4. 发送任务：通过 API 或 SDK 发送自然语言任务描述，获取结构化结果。

Browser Use 的价格

开源版（免费）

1. 核心库：完全免费，MIT 开源许可。

2. 自行部署：需自行准备服务器、代理等基础设施。

3. 社区支持：通过 GitHub Issues 和 Discord 社区获取帮助。

云端版（按量付费）

1. AI 智能体任务：

   • 任务初始化：$0.01/次
   • Browser Use 2.0 模型：$0.006/步
   • Gemini Flash Latest：$0.0075/步
   • Claude Sonnet 4.5/4.6：$0.05/步

2. 浏览器会话：

   • 按量付费：$0.06/小时
   • 企业用户：$0.03/小时（50% 折扣）

3. 技能费用：

   • 技能创建：$2.00/个（企业用户 $1.00）
   • 技能执行：$0.02/次调用（企业用户 $0.01）

4. 代理服务：

   • 按量付费：$10/GB
   • 企业用户：$4-5/GB

Browser Use 常见问题

1. 开源版和云端版有什么区别？

开源版需自行部署和维护基础设施，适合深度定制场景；云端版提供托管服务，开箱即用，具备隐身、代理等企业级功能。

2. 是否需要编程基础？

基础使用需要 Python 编程知识，但 CLI 工具支持简单的命令行操作。云端版提供更友好的无代码体验。

3. 支持哪些浏览器？

基于 Playwright 框架，支持 Chromium、Firefox、WebKit 等主流浏览器引擎。

4. 如何处理验证码和反爬？

云端版提供自动验证码处理、浏览器指纹伪装、住宅代理等反检测能力。

5. 数据安全如何保障？

开源版数据完全自主可控；云端版提供企业级安全方案，支持零数据保留和 HIPAA 合规。