在人工智能快速发展的今天，AI 代理（AI Agents）正在成为自动化日常任务的重要工具。然而，许多网站交互任务（如填写表单、在线购物或信息检索）仍然依赖于浏览器操作，这给 AI 的应用带来了挑战。Browser-Use 项目正是为了解决这一痛点而生。它是一个开源 Python 库，帮助 AI 代理与网站交互，实现自动化任务。本文将详细介绍 Browser-Use 的目的、特点、安装和使用方法，适合开发者参考。如果你对 AI 自动化感兴趣，不妨试试这个项目！项目地址：https://github.com/browser-use/browser-use。此外，你也可以在 AI225 导航 查看更详细的介绍和应用案例。

项目概述

Browser-Use 的核心目标是让网站对 AI 代理变得“可访问”。它通过结合大型语言模型（LLM）和浏览器自动化工具，构建一个框架，让 AI 可以自主导航网页、读取内容并执行操作。例如，AI 可以帮助你自动申请职位、购买杂货或查找 GitHub 仓库的星标数。这不仅提高了效率，还桥接了 AI 决策与实际浏览器执行之间的鸿沟。

主要特点

Browser-Use 提供了丰富的功能，让开发者轻松构建强大的 AI 代理。以下是其关键亮点：

• AI 代理框架：可以配置任务、LLM 和浏览器，实现复杂网页交互。
• 浏览器集成：支持本地和云端浏览器自动化，并具备隐身能力，避免检测。
• LLM 优化：内置 ChatBrowserUse() 模型，专为浏览器任务优化，比标准模型快 3-5 倍。
• 自定义工具：允许扩展代理功能，使用自定义 Python 函数。
• 认证支持：处理真实浏览器配置文件、临时账户（通过 AgentMail）和会话同步。
• 沙箱部署：在隔离环境中运行代理，延迟最小化。
• 云集成：通过 Browser Use Cloud 提供可扩展的隐身浏览器自动化。
• 模板生成：快速启动模板（如 default、advanced、tools），加速项目设置。

这些特点使 Browser-Use 适用于从简单脚本到生产级应用的各种场景。

如何工作

Browser-Use 的工作流程简单高效：

1. 初始化代理：创建 Agent 对象，指定任务、LLM 和浏览器。
2. 执行任务：代理使用 LLM 解释任务，生成动作（如点击、输入、导航）。
3. 浏览器交互：浏览器执行动作，并通过截图或 DOM 返回状态。
4. 反馈循环：代理观察状态，迭代优化动作。
5. 完成：返回最终结果或动作历史。

一个简单示例（查找 GitHub 仓库星标数）：

from browser_use import Agent, Browser, ChatBrowserUse
import asyncio

async def example():
    browser = Browser()  # 或 use_cloud=True 使用云端
    llm = ChatBrowserUse()
    agent = Agent(
        task="Find the number of stars of the browser-use repo",
        llm=llm,
        browser=browser,
    )
    history = await agent.run()
    return history

if __name__ == "__main__":
    history = asyncio.run(example())

安装指南

安装 Browser-Use 非常简单，需要 Python 3.11 或更高版本。推荐使用 uv 包管理器。

1. 设置环境：

   uv init
   

2. 安装包：

   uv add browser-use
   uv sync
   

3. 获取 API 密钥：从 Browser Use Cloud 获取密钥，并添加到 .env 文件：

   BROWSER_USE_API_KEY=your-key
   

4. 安装 Chromium 浏览器：

   uvx browser-use install
   

5. 可选：生成模板：

   uvx browser-use init --template default
   

云端选项可跳过本地设置，提供 $10 免费信用给新用户。

使用示例

Browser-Use 提供了多种实际用例：

• 职位申请：任务如“用我的简历填写这份职位申请”。
• 杂货购物：任务如“将这份物品列表添加到 Instacart”。
• PC 配件选择：任务如“帮我找自定义 PC 的配件”。
• 沙箱模式：在隔离环境中运行任务，避免干扰。

自定义工具示例：

from browser_use import Tools
tools = Tools()
@tools.action(description='Description of what this tool does.')
def custom_tool(param: str) -> str:
    return f"Result: {param}"
agent = Agent(task="Your task", llm=llm, browser=browser, tools=tools)

注意：对于 CAPTCHA 密集型网站，推荐使用云端隐身浏览器；本地浏览器可能因内存消耗而受限。

支持的浏览器和依赖

• 浏览器：Chromium（本地安装）、隐身浏览器（云端）、真实 Chrome 配置文件。
• 依赖：Python >= 3.11、uv 包管理器、LLM 提供者（如 OpenAI、Google 或 Ollama 本地模型）、Browser Use Cloud API。
• 文档：库文档（https://docs.browser-use.com）、云文档（https://docs.cloud.browser-use.com）、示例（https://docs.browser-use.com/examples）。

认证同步脚本：

curl -fsSL https://browser-use.com/profile.sh | BROWSER_USE_API_KEY=XXXX sh

结语

Browser-Use 是一个强大且实用的工具，适合构建 AI 驱动的网页自动化代理。它结合了开源灵活性和云端生产力，帮助开发者实现真实世界的在线任务自动化。如果你正在开发 AI 助手，不妨 fork 项目或贡献代码。更多细节请访问 GitHub 仓库或官方文档。希望这篇文章对你有帮助，欢迎在评论区分享你的使用经验！