Browser Use教程:开源浏览器 AI Agent 库——让 LLM 操控浏览器。
Browser Use 是一个开源的浏览器 AI Agent 库,由瑞士团队 Browser Use 开发。它的核心思路很简单:让大语言模型(LLM)直接操控浏览器,像人一样点击、输入、滚动、读取页面内容,自动完成各种网页操作。你可以把它理解成一个“AI 浏览器助手”——你告诉它目标,它自己打开网页、翻找信息、填写表单、提取数据,全程不需要你手动操作。
这个项目完全免费,代码托管在 GitHub 上,支持通过 pip install 安装到你的 Python 环境里。它不绑定某个特定 AI 模型,而是让你自由配置后端 LLM,比如 GPT-4、Claude、Gemini,或者国产的 DeepSeek、通义千问等。换句话说,你手头有什么模型,就能用它驱动什么模型。
Browser Use 的主要功能是作为 Python 库被调用。你写几行代码,定义一个任务,然后让它跑起来。它内部会做这几件事:
因为是多 LLM 可配置,你可以根据任务复杂度选择模型。简单任务用轻量模型省钱,复杂推理用强模型保证准确率。
以下是一个完整的快速启动流程,假设你已经装好了 Python 3.10 以上版本。
第一步:安装 Browser Use
pip install browser-use
它会自动安装依赖,包括 Playwright(用来控制浏览器的底层工具)。首次安装后,需要初始化 Playwright 的浏览器引擎:
playwright install
第二步:配置 LLM 的 API Key
在项目根目录创建 .env 文件,写入你的模型密钥。以 DeepSeek 为例(国产,国内可直接访问):
DEEPSEEK_API_KEY=你的密钥
如果你用其他模型,改成对应的环境变量名即可,比如 OPENAI_API_KEY、GEMINI_API_KEY。
第三步:写一个最简单的脚本
新建一个 test.py:
from browser_use import Agent
import asyncio
from dotenv import load_dotenv
load_dotenv()
async def main():
agent = Agent(
task="打开百度,搜索'Python 异步编程入门',返回第一条结果的标题和链接",
llm="deepseek-chat", # 这里填你用的模型名称
)
result = await agent.run()
print(result)
asyncio.run(main())
第四步:运行
python test.py
你会看到浏览器自动打开、输入、搜索、读取内容,最后在终端打印出结果。整个过程完全自动化。
注意:第一次运行可能会提示安装 Playwright 的浏览器,按提示执行 playwright install chromium 即可。
Browser Use 最擅长的是那些需要“看网页、点网页、拿数据”的重复性工作。典型场景包括:
需要注意的是,Browser Use 依赖 LLM 的推理能力,复杂页面或需要登录的网站,成功率取决于模型水平。建议先用简单任务测试你的模型表现。
Browser Use 本身完全免费,MIT 开源许可,你可以任意使用、修改、商用。唯一的成本来自你调用的 LLM API 费用。如果你用国产模型(如 DeepSeek、通义千问、智谱),国内直接注册充值即可,按 token 计费,普通任务一次几分钱到几毛钱。如果尝试使用 GPT-4 或 Claude 等海外模型,国内访问受限,可寻找国产替代方案。总体来说,这是目前最便宜、最灵活的浏览器自动化方案之一。