browser-use: AI代理控制浏览器自动化

Browser Use 让 AI Agent 能够像人类一样使用浏览器——它会打开网页、点击按钮、输入文字、填写表单。你描述任务，它来完成。例如，你可以让它：

Browser Use Cloud Docs ↗

在 Agent 中使用 Browser Use

如果你想在 Agent（Claude Code、Codex、Cursor、Hermes、OpenClaw 等）中使用 Browser Use，粘贴以下 prompt，它会自动完成所有设置：

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. If setup or connection fails, follow https://github.com/browser-use/browser-harness/blob/main/install.md.

然后告诉你的 Agent 你想完成什么任务。

使用 Python 库实现规模化 Web 自动化

想要用自己的代码、以任何 LLM 实现规模化 Web 自动化？使用 Python 库：

1. 安装 Browser Use（Python >= 3.11）：

uv add browser-use
# or: pip install browser-use

2. 将你的 LLM API key 添加到 .env。可以从 Browser Use Cloud 获取，也可以使用自己的 provider key：

# .env
BROWSER_USE_API_KEY=your-key
# GOOGLE_API_KEY=your-key
# ANTHROPIC_API_KEY=your-key

3. 运行你的第一个 Agent：

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'),
        # llm=ChatBrowserUse(model='bu-2-0-mini-preview'),  # Browser Use's optimized model
        # llm=ChatOpenAI(model='gpt-5.5'),
        # llm=ChatAnthropic(model='claude-opus-4-8'),  # Sonnet also works well
    )
    history = await agent.run()

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

更多内容请查阅 library docs 和 cloud docs！

性能表现

我们在 100 个真实浏览器任务上对 Browser Use 进行了基准测试。完整基准测试已开源：browser-use/benchmark。

Browser Use 还在 Odysseys 排行榜上排名第一，平均得分 87.4%，领先于 OpenAI、Anthropic、Google 和 Microsoft 的 computer-use agents。Odysseys 衡量的是 Agent 在 200 个长周期 Web 任务上的表现。

选择开源 Agent 还是云端 Agent

使用开源 Agent

免费，且运行在本地机器上。

深度代码级集成和控制：选择你的 LLM，自定义 Agent 行为。

我们推荐将其与云端浏览器配合使用，以获得领先的隐蔽性、代理轮换和扩展能力。

使用完全托管的云端 Agent（推荐）

更强大的 Agent，适合复杂任务（见上图）。

最简的启动和扩展方式。

最佳隐蔽性，配备代理轮换和 CAPTCHA 解决。

1000+ 集成（Gmail、Slack、Notion 等）。

持久化文件系统和内存。

可重运行脚本获取实时数据，即使网站变更也能应对（guide）。

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"}'

更多集成、托管、自定义工具、MCP 等内容请访问 Docs ↗

何时使用 CLI，何时使用 Python 库

使用 CLI

如果你已经有一个 Agent（Claude Code、Codex、Cursor、Hermes、OpenClaw 等）想要让它帮你完成浏览器任务，可以使用 CLI。Agent 只需安装一次 skill（见 Quickstart），然后就可以控制浏览器。例如：

"Upload this video to YouTube"

"Compare these three laptops and give me a table with prices"

"Fill in this job application with my resume"

使用 Python 库

当你正在构建自动化 Web 的软件时使用 Python 库。例如：

• 按计划或并行运行大量任务（爬取、监控、QA）
• 将浏览器 Agent 嵌入你自己的产品
• 自定义工具、自定义 system prompts、结构化输出、细粒度浏览器控制

经验法则：通过 Agent 完成一次性任务 → CLI。在代码中实现可重复的自动化 → Python 库。

模型选择

我们专门针对浏览器自动化任务优化了 ChatBrowserUse()。平均而言，它完成任务的速度比其他模型快 3-5 倍，且达到 SOTA 准确率。

关于定价和其他 LLM providers，请参阅 supported models documentation。

一个 API key 访问所有模型？

是的。ChatBrowserUse 接受带 provider 前缀的 model id，因此一个 BROWSER_USE_API_KEY 就可以访问所有模型——无需单独的 OpenAI/Anthropic/Google key：

from browser_use import Agent, ChatBrowserUse

llm = ChatBrowserUse(model='anthropic/claude-sonnet-4-6')  # or 'openai/gpt-5.5', 'google/gemini-3-pro'
agent = Agent(task='...', llm=llm)

为了获得最佳速度和成本，我们仍然推荐默认的 bu-* 模型。

使用开源预览模型时需要额外配置吗？

是的。如果你使用 ChatBrowserUse(model='browser-use/bu-30b-a3b-preview') 配合普通的 Agent(...)，Browser Use 仍然会为你发送其默认的 agent system prompt。

你不需要仅仅因为切换到开源预览模型就添加单独的"Browser Use system message"。只有当你有意想要为你的任务自定义默认行为时，才使用 extend_system_message 或 override_system_message。

如果你想要最佳的默认速度/准确率，我们仍然推荐使用更新的托管 bu-* 模型。如果你想要使用开源预览模型，除了 model= 的值之外，设置保持不变。

支持自定义工具吗？

是的！你可以添加自定义工具来扩展 Agent 的能力：

from browser_use import Tools

tools = Tools()

@tools.action(description='Description of what this tool does.')
def custom_tool(param: str) -> str:
    return f"Result: {param}"

agent = Agent(
    task="Your task",
    llm=llm,
    browser=browser,
    tools=tools,
)

是否开源？

是的！Browser Use 是开源的，可以免费使用。你只需要选择一个 LLM provider（如 OpenAI、Google、ChatBrowserUse，或使用 Ollama 运行本地模型）。

这个开源库采用 MIT License 许可。关于 Browser Use 服务和数据政策，请参阅我们的 Terms of Service 和 Privacy Policy。

身份验证示例

查看我们的身份验证示例：

使用真实浏览器 profile——重用你现有的 Chrome profile，包含已保存的登录状态。

如果你想使用带收件箱的临时账户，请选择 AgentMail。

要将你的身份验证 profile 与远程浏览器同步，请从官方 releases 为你的平台安装 profile-use，然后按照 profile sync guide 操作。

这些示例展示了如何无缝维护会话和处理身份验证。

CAPTCHA 处理

对于 CAPTCHA 处理，你需要更好的浏览器指纹和代理。使用 Browser Use Cloud，它提供专门设计用于避免检测和 CAPTCHA 挑战的隐蔽浏览器。

内存管理

Chrome 会消耗大量内存，并且并行运行多个 Agent 可能很难管理。

对于生产级用例，请使用我们的 Browser Use Cloud API，它可以处理：

• 可扩展的浏览器基础设施
• 隐蔽浏览器指纹
• 高性能并行执行

引用

如果你在研究或项目中使用了 Browser Use，请引用：

@software{browser_use2024,
  author = {Müller, Magnus and Žunič, Gregor},
  title = {Browser Use: Enable AI to control your browser},
  year = {2024},
  publisher = {GitHub},
  url = {https://github.com/browser-use/browser-use}
}

告诉你的计算机要做什么，它就能完成。