Library Browser-Use 开源Python浏览器智能体自动操作网页

让 AI 自动上网办事一直是个难题：填表、查库存、过验证码、在网页间跳转，传统脚本要么脆到一改布局就崩，要么根本读不懂页面语义。很多人想要的是「用自然语言说一句，AI 就自己打开浏览器、点该点的、读该读的，最后把结果交回来」。

Browser Use 做的就是这件事——一个开源的浏览器智能体（Python 与 TypeScript 双语言）。它能像人一样操作网页：找空位、选日期、处理验证码、预约驾照考试，也能在本地用任意 LLM 跑，或在其云平台上用带隐身、住宅代理、验证码解算的云浏览器运行。

项目基本信息

一、项目介绍

Browser Use 是开源的浏览器智能体，提供三条使用路径：完全托管的云平台、本地 CLI、以及作为 Python 库集成进自己的代码。无论哪条路径，本质都是「驱动一个浏览器（本地或云端），让 LLM 理解页面并决策下一步操作」。

它实现了 31 个浏览器动作（点击、输入、滚动、读取等），可控制本地浏览器、云浏览器，或通过 CDP 控制已有的远程浏览器；同时内置 Bash 能力用于数据处理与写文件。官方称其云浏览器在隐身基准测试中表现领先，并提供住宅代理、验证码解算与实时预览。

二、核心优势

• 自然语言驱动：用一句话描述任务，智能体自行规划并执行多步网页操作。
• 31 个浏览器动作：覆盖点击、填表、读取、滚动等真实交互，理解页面语义而非依赖脆弱选择器。
• 本地或云端：可完全本地运行（任意 LLM），也可接云浏览器（$0.02/浏览器小时，带隐身与代理）。
• Claude 工具集：官方维护的 toolset 让 Claude 直接以 Browser Use 为驱动器，复用 31 个动作加 Bash。
• 易集成：既可作为 CLI / Skill 接入编码智能体，也能作为库写进 Python 项目。

三、适用场景

• 网页自动化：预约、查库存、填表、跨站采集。
• 数据采集：让 AI 读懂页面并抽取结构化结果。
• 编码智能体扩展：在 Claude Code / Codex 等里用 browser-use skill 让 AI 操作真实浏览器。
• RPA 替代：对布局易变的页面，比传统选择器脚本更稳。

四、安装教程

需要 Python >= 3.11。用 uv 安装（推荐）：

uv add browser-use

在 .env 中配置模型密钥：

# .env
OPENAI_API_KEY=your-key
# BROWSER_USE_API_KEY=your-key  # 可选：使用 BU2 模型或云浏览器

常见报错与处理：

ModuleNotFoundError: No module named 'browser_use'

未在当前虚拟环境安装，确认 uv add 或 pip install browser-use 作用于正确环境。

Authentication failed

.env 未加载或 Key 无效，确认文件在运行目录且 load_dotenv() 已调用，Key 有效且有额度。

五、使用示例

保存为 agent.py：

import asyncio
from browser_use import Agent, Browser, ChatBrowserUse, ChatOpenAI
from dotenv import load_dotenv

load_dotenv()

async def main():
    llm = ChatOpenAI(model='gpt-5.6-luna', reasoning_effort='xhigh')
    agent = Agent(
        task="Find the number of stars of the browser-use repo",
        llm=llm,
    )
    history = await agent.run()
    print(history.final_result())

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

运行：

uv run agent.py

真实输出：智能体打开浏览器、访问仓库页面、读取 Star 数，最后在终端打印类似 119k stars 的结果，全程无需你手动操作页面。

六、常见问题

• 必须用 OpenAI 吗？ 不必须，可换用 BU2 等模型，或本地 / 其他兼容 LLM。
• 云浏览器贵吗？ 约 $0.02 / 浏览器小时，另计网络流量，带隐身、代理与验证码解算。
• 支持哪些编码助手？ 提供 browser-use skill，可接入 Claude Code、Codex、Hermes、OpenClaw 等。
• 会破解验证码吗？ 云浏览器提供验证码解算能力，本地模式取决于所用模型与配置。

七、总结

Browser Use 把「自然语言 → 真实浏览器操作」这件事做成了开源、可本地运行、也能上云的工程化方案。31 个浏览器动作加页面语义理解，让网页自动化不再被脆弱的选择器绑架。无论你想做数据采集、RPA，还是给编码智能体接上真实上网能力，它都是当前最值得试的开源浏览器智能体之一。