browser-use

详情介绍

Browser Use 是由 Magnus Müller 和 Gregor Zunic 通过苏黎世联邦理工学院的加速器创立的开源项目，并作为 Y Combinator 2025年冬季班的一员获得了1700万美元的种子轮融资。核心目标是为AI代理（AI Agent）提供一个能够轻松“读懂”和理解网页的“翻译层”。

不同于传统的网络爬虫或需要手写脚本的自动化工具（如Selenium），Browser Use 将网页中的按钮、表单、链接等交互元素转化为AI易于理解的文本格式。这使得AI不再仅仅依赖有误差的屏幕截图，而是能精准地获取网页的结构和信息，从而做出更准确、更可靠的决策。它的爆火与Manus等AI智能体工具对的集成密不可分。

官网入口地址

官方网站提供了项目介绍、博客和云服务入口：https://browser-use.com/ 

下载地址

• GitHub开源项目地址：https://github.com/browser-use/browser-use 

• PyPI安装地址：https://pypi.org/project/browser-use/ 

功能介绍

Browser Use 提供了一整套让AI控制浏览器的能力，核心功能如下：

1. 智能的网页元素识别：结合视觉理解与HTML结构分析，精准定位按钮、输入框、下拉菜单等交互元素，而非盲目模拟点击坐标。

2. 多标签页并发管理：支持AI同时在一个浏览器的多个标签页中执行任务，比如在一个标签页搜索信息，在另一个标签页填写表单，极大地提升了并行处理效率。

3. 操作记录与回放：能够跟踪并记录AI点击过的元素路径（XPath），方便对成功的操作流程进行复用和调试。

4. 自我修正能力：内置了智能的错误处理机制，当操作失败或页面未按预期加载时，AI可以尝试他路径或策略，实现自动恢复，增强了自动化流程的鲁棒性。

5. 强大的兼容性：不仅支持OpenAI的GPT-4o、Anthropic的Claude、Google的Gemini、DeepSeek等主流大模型，还可以接入本地部署的模型（如通过Ollama），并支持通过LangChain使用任何兼容的LLM。

6. 可扩展的自定义操作：允许开发者添加自定义的Python函数作为AI的“工具”，“将结果保存到文件”、“查询数据库”或“发送钉钉消息”，让AI能做的事情远超浏览器本身。

7. 丰富的交互方式：

   • Python库：作为核心，允许开发者编写脚本精细控制AI代理。

   • 命令行CLI：提供了一套简洁的命令（如 browser-use click 5, browser-use type "Hello"）来快速、迭代式地控制浏览器，非常适合调试。

   • Web UI/VibeSurf：社区还开发了如VibeSurf这样的Chrome扩展，提供了更友好的图形界面，甚至支持多个AI代理并行工作。

   • MCP服务器：遵循Model Context Protocol标准，可以轻松集成到Claude Desktop、Cursor等支持MCP的客户端中，让这些AI助手直接获得“联网”和“浏览网页”的超能力。

应用场景

Browser Use的应用场景非常广泛，几乎涵盖了所有需要在浏览器中完成的工作：

• 个人助理自动化：

  • 比价与购物：让AI在多个电商网站搜索指定商品，对比价格、评价后自动下单结账。

  • 信息搜集：让AI去指定网站（如小红书、知乎）搜集特定主题的爆款文章，整理成报告。

  • 生活服务：自动在订票网站预订机票酒店，或者定时监控抢购商品。

• 工作效率提升：

  • 数据同步：自动登录LinkedIn抓取新联系人信息，并填入Salesforce的销售线索列表中。

  • 简历筛选与工作申请：自动解压和分析简历，或根据简历内容在招聘网站上寻找并申请工作。

  • 文档处理：在Google Docs中创建文档，编辑内容并导出为PDF。

• 开发与测试：

  • 自动化测试：开发者可以使用自然语言指令让AI对Web应用进行功能测试。

  • 数据抓取：爬取复杂的、动态加载的网站数据，替代传统易碎的爬虫脚本。

定价信息

• 开源版本：免费。你只需要自己提供大语言模型的API密钥（如OpenAI API key），就可以在本地运行。

• Browser Use Cloud（云服务）：为生产环境设计，提供了可扩展、稳定、自带反检测指纹的浏览器管理服务。新用户注册赠送10美元额度，Pro套餐每月30美元，包含API额度和优先支持。企业版需联系销售定制。

browser-use常见问题