browser-use 今日发布

browser-use 是一个开源的 AI Agent 浏览器自动化框架，使用 Python 开发，GitHub Stars 超过 11 万，MIT 协议开源。它让大语言模型能够像人类一样操控真实浏览器——打开网页、点击按钮、填写表单、提取数据，全部通过自然语言指令驱动，无需手写任何 Selenium 或 Playwright 代码。

底层基于 Playwright 浏览器自动化库，每一步操作由 LLM 主动决策：采集页面截图和 DOM 结构发送给模型，模型判断下一步动作（点击、输入、滚动、导航），browser-use 执行后再次采集状态形成循环，直到任务完成。这种观察→决策→执行的闭环使它能处理动态加载页面、验证码和复杂的 UI 交互。

支持接入 GPT-4o、Claude 3.5、Gemini 2.0、DeepSeek 等主流 LLM，也支持接入 Claude Code、Cursor 等 AI 编程工具（通过 skill 安装）。安装只需一行命令 pip install browser-use，三行代码即可运行第一个任务。

benchmark 数据方面，Browser Use Agents 在 Internal Bench Hard 任务上达到 82% 解决率（平均成本 0.17 美元/任务），在 300 个 Online-Mind2Web 任务上达到 98% 准确率，在 BrowserBench（296 任务）上领先竞争对手达到 84.8%。

官方同时提供云端商业产品：Browser Use Agents（托管式 AI Agent 浏览器任务）和 Browser Infrastructure（托管浏览器，按小时计费，支持隐声模式和全球代理）。开源库完全免费使用，商业版面向需要大规模部署的企业。云端 API 默认使用 GPT-5.6 Luna 模型，按 Token 和浏览器时间计费。