Browser Use：开源网页自动化 Agent

Browser Use 能让 AI Agent 像你一样使用 Web 浏览器——打开页面、点击按钮、输入文字以及填写表单。你只需描述任务，它就能完成。例如，你可以让它：

Browser Use Cloud 文档 ↗

如果你想在自己的 Agent（Claude Code、Codex、Cursor、Hermes、OpenClaw 等）中使用 Browser Use，请粘贴下面这段 prompt，它会自行完成所有设置：

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 想让它完成什么任务即可。

想通过自己的代码大规模自动化 Web 操作，并且可以搭配任意 LLM？请使用 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。你可以从 Browser Use Cloud 获取，也可以使用自己的服务商 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'),  # 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())

欢迎查看更多 Library 文档和 Cloud 文档！

我们使用 100 个真实世界的浏览器任务对 Browser Use 进行了基准测试。完整 benchmark 已开源：browser-use/benchmark。

Browser Use 还以 87.4% 的平均成绩位居 Odysseys 排行榜第一，领先 OpenAI、Anthropic、Google 和 Microsoft 的 computer-use Agent。Odysseys 用 200 个长周期 Web 任务衡量 Agent 的表现。

使用开源 Agent

免费，并且可在你自己的机器上运行。

提供深入的代码级集成和控制能力：选择自己的 LLM，自定义 Agent 的行为。

我们建议搭配 Cloud Browser 使用，以获得领先的 stealth、代理轮换和扩展能力。

使用完全托管的 Cloud Agent（推荐）

面对复杂任务时，Agent 的能力强大得多（参见上图）。

这是上手和规模化使用最简单的方式。

通过代理轮换和 CAPTCHA 识别，提供出色的 stealth 能力。

提供 1000 多种集成，包括 Gmail、Slack、Notion 等。

提供持久化文件系统和 memory。

有关集成、托管、自定义工具、MCP 等更多内容，请参阅我们的文档 ↗

应该使用 CLI 还是 Python 库？

如果你已经在使用某个 Agent（Claude Code、Codex、Cursor、Hermes、OpenClaw 等），并希望它替你完成浏览器任务，请使用 CLI。Agent 只需安装一次 skill（参见快速入门），之后便可控制浏览器。例如：

“把这个视频上传到 YouTube。”

“比较这三款笔记本电脑，并用表格列出价格。”

“使用我的简历填写这份求职申请。”

如果你正在构建用于自动化 Web 操作的软件，请使用 Python 库。例如：

按计划或并行运行大量任务（抓取、监控、QA）。

将浏览器 Agent 嵌入你自己的产品。

使用自定义工具、自定义 system prompt、结构化输出以及精细的浏览器控制。

经验法则：通过 Agent 执行一次性任务 → CLI；通过代码实现可重复的自动化 → Python 库。

应该使用哪个模型？

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，同时保持 SOTA 级别的准确率。

有关定价和其他 LLM 服务商，请参阅我们支持的模型文档。

可以通过一个 API key 使用多个 LLM 服务商吗？

可以。ChatBrowserUse 接受带有服务商前缀的 model id，因此一个 BROWSER_USE_API_KEY 就能访问所有这些模型，无须分别配置 OpenAI、Anthropic 或 Google 的 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)

如果追求最佳速度和成本表现，我们仍然推荐默认的 bu-* 模型。

使用开源预览模型时，需要自定义 system prompt 吗？

不需要。如果你在普通的 Agent(...) 中使用 ChatBrowserUse(model='browser-use/bu-30b-a3b-preview')，Browser Use 仍会自动发送默认的 Agent system prompt。

你不需要仅仅因为切换到了开源预览模型，就额外添加一条自定义的“Browser Use system message”。只有在你明确希望针对任务自定义默认行为时，才需要使用 extend_system_message 或 override_system_message。

如果你想获得最佳的默认速度和准确率，我们仍然推荐更新的托管版 bu-* 模型。如果你想使用开源预览模型，除了 model= 的值以外，其他设置均保持不变。

可以添加自定义工具吗？

可以！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,
)

Browser Use 是免费的吗？

是的！Browser Use 是开源的，可以免费使用。你只需选择一个 LLM 服务商，例如 OpenAI、Google、ChatBrowserUse，也可以通过 Ollama 运行本地模型。

这个开源 Library 采用 MIT License。有关 Browser Use 服务和数据政策，请参阅我们的服务条款与隐私政策。

如何处理身份验证？

请查看我们的身份验证示例：

使用真实浏览器 profile——复用现有 Chrome profile 中已保存的登录状态。

如果你想使用带有收件箱的临时账号，请选择 AgentMail。

如需将 auth profile 同步到远程浏览器，请运行 curl -fsSL https://browser-use.com/profile.sh | BROWSER_USE_API_KEY=XXXX sh（将 XXXX 替换为你的 API key）。

这些示例展示了如何维持 session，并无缝处理身份验证。

如何处理 CAPTCHA？

要处理 CAPTCHA，你需要更好的浏览器 fingerprinting 和代理。请使用 Browser Use Cloud，它提供专为避免检测和 CAPTCHA challenge 而设计的 stealth browser。

如何在生产环境中扩展？

Chrome 可能会占用大量内存，同时并行运行多个 Agent 也很难管理。

对于生产环境用例，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。

Stealth browser fingerprinting。

高性能并行执行。

引用

如果你在研究或项目中使用 Browser Use，请按以下格式引用：

@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}
}

告诉你的计算机该做什么，它就会把事情完成。