browser-use：让 AI 智能体操控浏览器的网页自动化框架

项目简介

browser-use 是一个开源 Python 库，旨在”让网站能被 AI 智能体访问和操控”，以最简单的方式实现浏览器自动化。开发者可以用自然语言指令让 AI 控制真实浏览器完成复杂网页任务，如填写表单、点击按钮、抓取数据、进行搜索等。

browser-use 兼容 Cursor、Claude Code 等主流 AI 编程工具，支持有头和无头两种浏览器模式，提供 Docker 云端版本跳过本地安装步骤，在 GitHub 拥有超过 8.7 万颗星标，是 AI 浏览器自动化领域最受欢迎的开源项目之一。

核心特色功能

自然语言驱动浏览器操作： 无需学习 Selenium 或 Playwright 的复杂 API，直接用自然语言描述任务，browser-use 转化为浏览器操作。

多智能体并发支持： 支持同时运行多个 AI 智能体，各自从独立浏览器实例执行任务，大幅提升批量网页处理效率。

多标签页管理： 自动管理浏览器标签页，支持标签页间切换、数据传递等操作。

视觉理解集成： 内置视觉模型支持，能理解网页内容并做出决策，适合处理动态网页和复杂交互。

云端版本（Browser Use Cloud）： 无需安装配置，直接调用云端浏览器，支持高速、可扩展、隐身模式的浏览器自动化。

完整文档和示例： 提供 docs.browser-use.com 完整文档，包含数十个常见场景的代码示例。

安装步骤

前置要求：
– Python 3.11+
– uv 包管理器（推荐）或 pip
– Chromium 浏览器（uvx browser-use install 自动安装）

方式一：uv 安装（推荐）

bash
uv init
uv add browser-use
uv sync

如果 Chromium 未安装，运行：

bash
uvx browser-use install

方式二：pip 安装

bash
pip install browser-use
python -m browser_use install chromium

方式三：Docker 云端版本（跳过本地安装）

访问 https://cloud.browser-use.com 注册账号获取 API Key，直接调用云端服务，无需任何安装。

使用方法

基础示例：让 AI 搜索网页

“`python
from browser_use import Agent
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(model=”gpt-4o”)
agent = Agent(
task=”在 Google 上搜索 2026 年 AI 发展趋势，并总结前 5 个结果”,
llm=llm,
)
agent.run()
“`

处理复杂表单：

“`python
from browser_use import Agent
from langchain_anthropic import ChatAnthropic

llm = ChatAnthropic(model=”claude-sonnet-4-20250514″)
agent = Agent(
task=”打开 https://example.com/form，填写姓名、邮箱、留言内容，然后点击提交按钮”,
llm=llm,
)
agent.run()
“`

批量数据抓取：

“`python
from browser_use import Agent
from langchain_openai import ChatOpenAI

tasks = [
“打开 GitHub 搜索 ‘AI agent’，获取前 10 个仓库的名称和星标数”,
“打开 Hacker News，获取今日最热门的 5 篇文章标题”,
“打开天气预报网站，查询北京未来 3 天天气”,
]

llm = ChatOpenAI(model=”gpt-4o”)

并发执行多个任务

for task in tasks:
agent = Agent(task=task, llm=llm)
agent.run()
“`

配合 Claude Code 使用：

1. 在 Claude Code 中打开 Agents.md 配置
2. 让 AI 读取 browser-use 文档
3. 用自然语言描述任务，AI 自动调用 browser-use 完成

Docker 部署本地服务：

bash
docker run -d -p 8000:8000 \
-e OPENAI_API_KEY=your_key \
browseruse/browser-use

然后通过 HTTP API 调用浏览器自动化任务。

适用场景

网页数据采集： 替代传统的 Selenium/BeautifulSoup 方案，用自然语言描述抓取规则，更灵活且维护成本更低。

自动化测试： AI 驱动的端到端测试，测试用例用自然语言描述，browser-use 自动执行并验证结果。

网页内容监控： 自动监控竞品网站价格、新闻更新、社交媒体动态等。

表单自动填写： 定期填写和提交网页表单，如考勤系统、问卷调查等。

RPA（机器人流程自动化）： 将重复性网页操作自动化，减少人工操作时间。

开源协议

MIT License，代码完全开源免费。

browser-use 的本质是将浏览器变成 AI 智能体的”眼睛和手”。以往需要几十行 Selenium 代码才能完成的网页操作，现在只需一句自然语言描述。如果你需要 AI 处理任何涉及网页的任务，browser-use 是目前最成熟的解决方案。

服务支持：如有兴趣不会搭建，可以联系微信：WRYD6166，开源项目搭建10-50元。