Browser Use 使用指南：AI 自动控制浏览器

什么是 Browser Use？

Browser Use 是一个开源 Python 库，允许 AI 大型语言模型（LLM）自动控制和操作网页浏览器。通过 Browser Use，你可以让 AI 像人类一样浏览网页、点击按钮、填写表单、提取数据，从而实现各种自动化任务。

Browser Use 的核心特性

• 多模型支持：支持 OpenAI GPT-4、Claude、Gemini 等主流 LLM
• 视觉感知：AI 可以看到网页截图并理解页面内容
• 智能交互：自动识别可交互元素（按钮、链接、输入框等）
• 任务规划：AI 会自动规划步骤完成复杂任务
• 并行处理：支持多个浏览器实例并行运行

快速开始

1. 安装 Browser Use

pip install browser-use playwright install chromium

2. 配置 API 密钥

创建 .env 文件并配置你的 LLM API 密钥：

OPENAI_API_KEY=your_api_key_here # 或者使用其他模型 ANTHROPIC_API_KEY=your_anthropic_key

3. 编写你的第一个 Browser Use 脚本

import asyncio
from langchain_openai import ChatOpenAI
from browser_use import Agent

async def main():
    agent = Agent(
        task="搜索最新的 Python 教程并总结前 3 个结果",
        llm=ChatOpenAI(model="gpt-4o"),
    )
    result = await agent.run()
    print(result)

asyncio.run(main())

核心组件详解

Agent（智能体）

Agent 是 Browser Use 的核心，它负责：

• 接收用户任务描述
• 与 LLM 通信，规划执行步骤
• 控制浏览器完成各项操作
• 收集并返回结果

Browser（浏览器）

Browser Use 基于 Playwright 构建，支持：

• Chromium、Firefox、WebKit 等多种浏览器
• 无头模式（Headless）和有界面模式
• 自定义浏览器配置

实际应用案例

案例 1：自动化数据收集

agent = Agent(
    task=,
    llm=ChatOpenAI(model=),
)
result =  agent.run()