Browser Use

一、什么是Browser Use？

Browser Use是一个开源的Python库，专门用于AI驱动的浏览器自动化。它的核心理念极其简单却极具颠覆性：让AI Agent像人类一样“看到”网页、理解内容、做出决策并执行操作。

你不需要编写一行选择器代码，只需用自然语言描述你想做什么，AI就会自动拆解任务、规划步骤、操控真实浏览器完成整个流程。

项目由Magnus Müller和Gregor Zunic于2024年创立，两人在苏黎世联邦理工学院的创业加速器中相识并萌生想法。2025年，Browser Use成为Y Combinator冬季班项目，并完成1700万美元种子轮融资。截至2026年8月，项目在GitHub已收获超过10.4万Star。

• 官网：https://browser-use.com/
• GitHub：https://github.com/browser-use/browser-use
• 云端版：https://cloud.browser-use.com/

二、为什么Browser Use正在颠覆浏览器自动化？

2.1 传统方式 vs Browser Use

2.2 核心能力一览

• 多标签页管理：支持同时打开和切换多个标签页
• 视觉识别与内容提取：结合计算机视觉与HTML结构解析
• 多种LLM支持：OpenAI、Anthropic、Google Gemini、Qwen、DeepSeek-R1等
• 自我纠正机制：发现错误时自动重试或调整策略
• MCP双向支持：可作为MCP服务端供Claude Desktop、Cursor调用，也可作为客户端连接外部MCP工具

2.3 性能标杆

根据官方Benchmark（2026年3月，Online-Mind2Web标准，300个真实网页任务）：

Browser Use Cloud以98%的准确率遥遥领先。在WebVoyager基准上，开源版也达到了89%的成功率。此外，Browser Use在Odysseys排行榜上位列第一（87.4%平均分），超越了OpenAI、Anthropic、Google和Microsoft的同类产品。

三、快速上手教程（5分钟跑起来）

3.1 环境准备

• Python 3.11或更高版本
• 任意LLM的API Key（OpenAI、Anthropic、Google等）

3.2 安装

# 安装核心库（推荐安装core版本以使用Rust原生核心）
pip install "browser-use[core]"
# 或
uv add "browser-use[core]"

# 安装Playwright浏览器内核
playwright install chromium

3.3 配置API Key

在项目根目录创建.env文件：

# 任选一种LLM提供商的Key即可
OPENAI_API_KEY=your-openai-key
# 或
ANTHROPIC_API_KEY=your-anthropic-key
# 或
GOOGLE_API_KEY=your-google-key
# 或使用Browser Use官方优化模型（推荐，速度3-5倍）
BROWSER_USE_API_KEY=your-browser-use-key

3.4 第一个Agent

import asyncio
from browser_use import Agent
from browser_use.llm import ChatOpenAI  # 或其他LLM

async def main():
    agent = Agent(
        task="打开GitHub，找到browser-use/browser-use仓库，告诉我它有多少Star",
        llm=ChatOpenAI(model="gpt-4o"),
    )
    history = await agent.run()
    print(history.final_result())

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

运行后，AI会自动打开浏览器、导航到GitHub、找到仓库页面、读取Star数量并返回结果——全程无需任何选择器代码。

3.5 Browser Use 0.13新特性（2026年重磅更新）

2026年6月发布的0.13.0版本是一次重大技术重构：

• Rust核心：底层从Python重写为Rust，性能大幅提升
• 执行链路：Python API → Rust core → Browser harness → Web task done
• Browser Use CLI 3.0：支持从终端直接运行，与Claude Code、Cursor等编码Agent无缝集成

3.6 Code Use：直接用代码控制浏览器（0.9.0+）

2026年6月推出的Code Use功能，让AI直接输出Python/JavaScript代码，通过Chrome DevTools Protocol (CDP)操控浏览器，绕过视觉识别和鼠标点击的中间层，效率和准确性更高。

from browser_use import CodeAgent

async def main():
    agent = CodeAgent(
        task="从电商网站抓取50个商品的价格和折扣信息",
        max_steps=30,
    )
    await agent.run()

⚠️ 注意：Code Agent会写入和执行代码，生产环境使用需谨慎。

四、进阶使用技巧与最佳实践

4.1 浏览器配置定制

from browser_use import Agent, Browser, BrowserConfig

browser = Browser(
    config=BrowserConfig(
        headless=False,           # 开发时显示浏览器窗口
        viewport={"width": 1280, "height": 720},
        allowed_domains=["*.github.com"],  # 限制访问域名
    )
)

agent = Agent(
    task="你的任务",
    llm=your_llm,
    browser=browser,
)

4.2 与编码Agent集成（Skill安装）

# 一键安装Browser Use Skill到Claude Code、Cursor等
browser-use skill install

之后直接告诉你的编码Agent“用浏览器做XXX”，它就能自动调用Browser Use。

4.3 MCP服务端模式

将Browser Use作为MCP服务端运行，供Claude Desktop、Cursor等调用：

# 配置MCP服务端后，在Claude中直接说：
# "用Browser Use帮我查询今天的热门新闻"

4.4 云端部署（推荐生产环境）

对于生产级任务，推荐使用Browser Use Cloud：

• 免费套餐：无需信用卡，包含Stealth浏览器、CAPTCHA破解、195+国家住宅代理
• 付费套餐：从$29/月起
• 按需付费：最低充值降至$5

五、适用场景与局限性

✅ 最佳适用场景

⚠️ 需要注意的局限

1. Token消耗较大：复杂任务可能消耗大量Token
2. 复杂JS站点可能失败：LLM推理增加延迟和成本
3. 自托管需运维能力：需自行管理计算资源和浏览器基础设施
4. 云端版数据隐私：标准套餐用户输入可能用于模型训练，敏感数据建议使用开源自托管版本

六、总结建议

如果你是以下人群，Browser Use值得立刻上手：

• 🧪 测试工程师：告别脆弱的XPath脚本，用自然语言驱动自动化测试
• 📊 数据采集者：轻松应对需要登录、有反爬的复杂网站
• 🤖 AI应用开发者：为你的Agent赋予“动手操作网页”的能力
• 💼 业务人员：无需编程，用一句话完成重复性网页操作

入门路径建议：

1. 先用pip install browser-use跑通第一个示例
2. 尝试用自然语言描述你的真实任务
3. 复杂任务考虑升级到Browser Use Cloud（免费套餐即可体验）
4. 生产部署使用0.13+版本的Rust核心，性能和稳定性更佳

🔗 官方资源汇总：

• GitHub：https://github.com/browser-use/browser-use
• 官网：https://browser-use.com/
• 云端控制台：https://cloud.browser-use.com/
• 文档：https://docs.browser-use.com/
• Discord社区：https://discord.gg/browser-use