Browser-use：基于 Python 的智能浏览器自动化 AI 工具实战

3．基于 Playwright

默认使用 Playwright 进行浏览器的无头启动、页面操作和渲染控制；对常见网页交互场景提供友好的抽象。

4．云端版 & 本地版

除了本地安装运行外，Browser-use 也提供托管版本，可以直接在云端执行，无需配置本地环境。

三、安装与环境配置

1．Python 版本

• 需要 Python 3.11 或更高版本。
• 推荐在独立虚拟环境 (venv) 或管理工具（如 uv）中配置环境。

1.1. 推荐使用 pyenv 管理 python

Github：https://github.com/pyenv/pyenv

brew install pyenv
pyenv install 3.11.9

# pyenv 根目录
export PYENV_ROOT="$HOME/.pyenv"
export PATH="$PYENV_ROOT/bin:$PATH"
# 初始化
eval "$(pyenv init -)"

2．安装方法

2.1. 安装 browser-use

pip3 install browser-use

2.2. 安装 Playwright

playwright install

• 此操作会自动下载 Chromium 无头浏览器，用于后续的浏览器自动化。

2.3. 配置 LLM API Keys（可选）

• 在 .env 文件中填写相应的 OPENAI_API_KEY=、ANTHROPIC_API_KEY= 等 Key。

OPENAI_API_KEY=sk-xxxxxxx

• 如果使用其他 LLM，需要参考 LangChain 文档或对应服务提供的说明进行配置。

四、基础配置

1．Agent

1.1. Agent 参数

1.2. Agent 执行流程图

2．Browser 配置

Browser-use 提供两个主要配置类：

• BrowserConfig：控制浏览器整体行为
• BrowserContextConfig：控制单个上下文（浏览器标签页/会话）的行为

官方推荐：「1 个 Agent 对应 1 个 Browser 和 1 个 Context」，以增强稳定性和开发体验。

2.1. BrowserConfig

from browser_use import BrowserConfig
config = BrowserConfig(
    headless=False,
    disable_security=True
)
browser = Browser(config=config)

2.2. BrowserContextConfig 配置

from browser_use.browser.context import BrowserContextConfig
config = BrowserContextConfig(
    cookies_file="path/to/cookies.json",
    wait_for_network_idle_page_load_time=3.0,
    browser_window_size={'width':1280,'height':1100},
    locale='en-US',
    user_agent='Mozilla/5.0...',
    highlight_elements=True,
    viewport_expansion=500,
    allowed_domains=['google.com','wikipedia.org'],
)

3．输出内容

3.1. History 方法

3.2. 示例

from pydantic import BaseModel
from typing import List
from dotenv import load_dotenv
from browser_use import Agent, Controller
from langchain_openai import ChatOpenAI
import asyncio

# Define the output format as a Pydantic model
class Post(BaseModel):
    post_title: str
    post_url: str

class Posts(BaseModel):
    posts: List[Post]

load_dotenv()
controller = Controller(output_model=Posts)

async def main():
    task = '从掘金获取 Vue / React / AI 相关文章'
    model = ChatOpenAI(model='gpt-4o')
    agent = Agent(task=task, llm=model, controller=controller)
    history = await agent.run()
    result = history.final_result()
    print('result--->', result)
    print('history.urls()--->', history.urls())
    # print('history.screenshots()--->', history.screenshots())
    print('history.action_names()--->', history.action_names())
    print('history.extracted_content()--->', history.extracted_content())
    print('history.errors()--->', history.errors())
    print('history.model_actions()--->', history.model_actions())
    print('history.is_done()--->', history.is_done())
    print('history.has_errors()--->', history.has_errors())
    print('history.model_thoughts()--->', history.model_thoughts())
    print('history.action_results()--->', history.action_results())
    if result:
        parsed: Posts = Posts.model_validate_json(result)
        for post in parsed.posts:
            print('\n--------------------------------')
            print(f'Title: {post.post_title}')
            print(f'URL: {post.post_url}')
    else:
        print('No result')

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

4．Prompt

用于 控制 Agent 的行为与能力，对其整体逻辑有深层影响。

自定义提示会显著影响性能、稳定性和输出风格。

message_context 字段

5．持久化会话

增加 Cookie

context_config = BrowserContextConfig(cookies_file="cookies.json")

五、Demo 示例

1．简单示例

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import asyncio
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from browser_use import Agent

load_dotenv()
llm = ChatOpenAI(model="gpt-4o")

async def main():
    agent = Agent(
        task="打开 https://cn.vuejs.org/guide/essentials/computed，获取页面里所有的 h2 标签文本及所有的 a 标签文本（以及它的 href）",
        llm=llm,
    )
    result = await agent.run()
    print('result:', result)

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

1.1. 核心流程:

1. 从 .env 中读取 OPENAI_API_KEY 等信息，初始化 ChatOpenAI。
2. 创建一个 Agent，指定 task 即描述智能体要完成的任务。
3. 调用 agent.run() 发起执行，包括浏览器自动化与 LLM 结合的流程。

2．使用本地的 Chrome 浏览器

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
from browser_use import Agent, Browser, BrowserConfig
from langchain_openai import ChatOpenAI
from dotenv import load_dotenv
import asyncio

load_dotenv()
browser = Browser(
    config=BrowserConfig(
        chrome_instance_path='/Applications/Google Chrome.app/Contents/MacOS/Google Chrome',
    )
)
llm = ChatOpenAI(model="gpt-4o")
agent = Agent(
    task="打开 https://cn.vuejs.org/guide/essentials/computed，获取页面里所有的 h2 标签文本及所有的 a 标签文本（以及它的 href）",
    llm=llm,
    browser=browser,
)

async def main():
    await agent.run()
    await browser.close()

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

3．Prompt

from pydantic import BaseModel
from typing import List
from dotenv import load_dotenv
from browser_use import Agent, Controller, Browser, BrowserConfig
from langchain_openai import ChatOpenAI
import asyncio

class WikiResult(BaseModel):
    post_title: str
    post_url: str

class WikiResults(BaseModel):
    posts: List[WikiResult]

load_dotenv()
browser = Browser(
    config=BrowserConfig(
        chrome_instance_path='/Applications/Google Chrome.app/Contents/MacOS/Google Chrome',
    )
)
instruction_message =""" 你正在访问一个公司内部 Wiki 系统：http://wiki.xxx.com/pages/
你的目标是：
1. 打开该页面并使用搜索功能，输入关键词：RAP
2. 等待页面加载完毕，提取所有与搜索结果相关的条目，包括标题、简要描述和对应链接。
3. 优先提取条目中出现 "接口管理"、"Mock"、"权限" 等关键词的内容。
4. 将所有结果以列表形式返回。
请确保你的返回格式如下：
{
 "posts": [
 {
 "post_title": "xxx",
 "post_url": "http://..."
 },
 ...
 ]
}
"""
controller = Controller(output_model=WikiResults)

async def main():
    task = "搜索 Wiki 中有关 RAP 的内容"
    model = ChatOpenAI(model='gpt-4o')
    agent = Agent(
        task=task,
        llm=model,
        controller=controller,
        browser=browser,
        message_context=instruction_message
    )
    history = await agent.run()
    result = history.final_result()
    if result:
        parsed: WikiResults = WikiResults.model_validate_json(result)
        for post in parsed.posts:
            print('\n--------------------------------')
            print(f'Title: {post.post_title}')
            print(f'URL: {post.post_url}')
    else:
        print('No result')

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

4．多个 Agent 执行

agent1 = Agent(
    task="打开 https://cn.vuejs.org/guide/essentials/computed，获取页面里所有的 h2 标签文本及所有的 a 标签文本（以及它的 href）",
    llm=llm,
    use_vision=False
)
result1 = await agent1.run()

agent2 = Agent(
    task="打开 https://docs.browser-use.com/customize/custom-functions，获取页面里所有的 h2 标签文本及所有的 a 标签文本（以及它的 href）",
    llm=llm,
    use_vision=False
)
result2 = await agent2.run()

六、常见操作

1．修改 LLM 模型

llm = ChatOpenAI(model="gpt-3.5-turbo")

或

llm = ChatOpenAI(model="gpt-4o")

2．在 .env 中设置 API Key

OPENAI_API_KEY=sk-xxxx
ANTHROPIC_API_KEY=xxxxxx

如果你还需使用其他模型（如 Cohere、HuggingFace Hub），可一并配置对应的 Key，并在 Python 脚本中初始化相应的 LLM 对象。

3．官方文档示例

在 docs.browser-use.com/introduction 可以找到更多场景示例，比如如何定制 browser-use 的 Tools、配合 PythonREPLTool 扩展执行 Python 脚本等。

七、UI 测试方式

1．安装 Gradio

pip3 install gradio

2．运行示例

import asyncio
import gradio as gr
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from browser_use import Agent

load_dotenv()
llm = ChatOpenAI(base_url='https://api.deepseek.com/v1', model='deepseek-chat', api_key="sk-XXX")

async def run_browser_task(task: str,) -> str:
    try:
        print('task', task)
        agent = Agent(
            task=task,
            llm=llm,
            use_vision=False
        )
        result = await agent.run()
        print('final_result()', result.final_result())
        return result
    except Exception as e:
        return f'Error: {str(e)}'

def create_ui():
    with gr.Blocks(title='Browser Use GUI') as interface:
        gr.Markdown('# Browser Use Task Automation')
        with gr.Row():
            with gr.Column():
                task = gr.Textbox(
                    label='Task Description',
                    placeholder='Task 描述',
                    lines=3,
                )
                model = gr.Dropdown(
                    choices=['gpt-4','gpt-3.5-turbo'],
                    label='Model',
                    value='gpt-4'
                )
                headless = gr.Checkbox(label='Run Headless', value=True)
                submit_btn = gr.Button('Run Task')
            with gr.Column():
                output = gr.Textbox(label='Output', lines=10, interactive=False)
                submit_btn.click(
                    fn=lambda *args: asyncio.run(run_browser_task(task.value)),
                    inputs=[task, model, headless],
                    outputs=output,
                )
    return interface

if __name__ == '__main__':
    demo = create_ui()
    demo.launch()

打开终端提示的地址，就能看到一个简易的 web 界面，在界面中输入 task 等信息测试智能体。

八、常见问题 & 解决思路

• 报错：playwright not installed 或 executable path not found
  • 请确认已执行 playwright install chromium，且安装成功。
• Python 版本过低
  • Browser-use 要求 Python >= 3.11，如果你使用的是 3.10 或更低版本，需要升级环境。
• LLM 调用失败
  • 检查是否在 .env 中填写了正确的 API key，或你的 Key 是否仍在有效期内。
• 一直执行 Step1
  • Key 没钱了…
• UI Demo 启动后无法访问
  • 可能是端口占用，或者 Gradio 版本过旧。尝试更新 gradio 或换一个端口。
• 长时间卡住/超时
  • 检查网络环境，LLM 请求或浏览器加载是否耗时过长。
• DeepSeek
  • 需要添加 use_vision=False 字段

九、总结

Browser-use 让 AI 与浏览器的结合变得更便捷，能够快速构建出'会浏览网页、抓取信息、进行动态交互'的智能体。只需简单的配置与几行代码，就能让 LLM 自动处理网页操作，为项目带来更多可能性。

• 使用 Python >= 3.11；
• 安装并配置好 Playwright；
• 在主代码中初始化 Agent 并提供 LLM；
• 在 .env 中存放 API Keys；

十、参考

• GitHub: browser-use/browser-use
• 官网: browser-use.com
• 官方文档: docs.browser-use.com/introduction