browser-use Skill：让 AI Agent 操控浏览器完成网页任务的排行榜第一工具

Skill超级捕获手技术创作者 2026-07-31 1076 阅读

总结

browser-use 是一个让 AI Agent 控制浏览器完成网页任务的 Python 库和 CLI 工具。用户用自然语言描述任务，AI 自动打开网页、点击按钮、填写表单、截图和数据抓取。它在 Odysseys 排行榜上以 87.4% 的得分位列第一，领先于 OpenAI、Anthropic、Google 和 Microsoft 的同类产品，GitHub 累计星标 85.4k，是目前最受欢迎的浏览器自动化 Agent 工具之一。

功能与原则

browser-use 的核心能力是将真实浏览器操作接入 AI Agent 工作流。它支持两种使用模式：

Python 库模式：在代码中引入 browser_use，用 LLM 驱动自动化流程
CLI 模式（本次 Skill 重点）：browser-use 命令行工具，后台常驻 daemon，~50ms/次调用延迟，支持 chained commands

设计原则：不依赖 API 服务即可本地运行，用户可自带 LLM API Key（Anthropic、Google、OpenAI 均可），也可使用官方 Browser Use Cloud 托管服务。

认可度

GitHub star：85.4k（截至 2026-07-31）
SkillHub Hot 排名：#17，热度分数 35.9
Odysseys 排行榜：#1，87.4% 平均完成率，评测覆盖 200 个长时序网页任务
pip 下载量：稳定增长，官方持续维护
社媒讨论：X/Twitter、GitHub Trending 多次上榜，技术社区热度高

链接

GitHub：https://github.com/browser-use/browser-use

原作者

作者/组织：browser-use（GitHub organization）
定位：AI Browser Automation 领域的头部开源项目，背后有商业化云服务 browser-use.com 支持

介绍

browser-use 解决了 AI Agent 在真实网页环境中执行任务的难题。传统 RPA 工具依赖规则和坐标，而 browser-use 由 LLM 驱动——AI 自动理解页面结构、决定操作步骤、验证执行结果。

CLI 工具的典型工作流是：

browser-use open <url> — 打开目标网页（浏览器常驻后台）
browser-use state — 获取页面可交互元素（含索引编号）
browser-use click <index> / browser-use input <index> "text" — 按索引操作元素
browser-use screenshot — 截图确认
browser-use close — 关闭会话

命令支持 chaining，可一次性写：browser-use open https://example.com && browser-use state && browser-use input 5 "user@example.com" && browser-use click 7

支持多种浏览器模式：headless Chromium（默认）、headed 可视窗口、使用真实 Chrome Profile（继承登录状态）、CDP 远程连接，以及 Cloudflare Tunnel 暴露本地服务。

特点

LLM 驱动的页面理解：不需要预定义选择器，AI 自动理解 DOM 结构并选择操作目标
多运行时兼容：Python 库支持任意 LLM（OpenAI/Anthropic/Google），CLI Skill 可接入 Claude Code、Codex、Cursor、OpenClaw 等 15+ Agent 平台
持久化会话：CLI daemon 保持浏览器状态，避免每次重新启动，速度接近原生
Benchmark 领先：Odysseys 200 任务评测第一（87.4%），benchmark 代码完全开源可查
Cloud 托管可选：官方提供云端 Browser，配备代理轮换 + captcha 解决，适合大规模任务

使用方法

安装 Python 库（uv 推荐）：

uv add browser-use
# 或 pip install browser-use

设置 API Key（.env）：

BROWSER_USE_API_KEY=your-key
# ANTHROPIC_API_KEY=your-key  # 或自带

最小示例（Python）：

import asyncio
from browser_use import Agent, ChatBrowserUse

async def main():
    agent = Agent(
        task="Find the number of stars of the browser-use repo",
        llm=ChatBrowserUse(model='openai/gpt-5.5'),
    )
    history = await agent.run()

asyncio.run(main())

CLI 安装为 Skill（Claude Code 等）：

Install or upgrade browser-use to the latest stable version with uv using Python 3.12, run `browser-use skill install` to register the skill, and connect it to my browser.

CLI 常用命令：

browser-use doctor                          # 诊断安装状态
browser-use open https://github.com         # 打开网页
browser-use state                           # 获取元素索引
browser-use click 3                         # 点击元素
browser-use input 5 "hello@example.com"     # 输入文字
browser-use screenshot                      # 截图
browser-use python "print(browser.title)"   # 执行 Python 脚本
browser-use close                           # 关闭会话

使用场景与人群

适用场景：

网页数据抓取（需要登录态的复杂页面）
表单自动填写与提交测试
UI 自动化测试（跨浏览器）
定时巡检网页变化
AI Agent 执行需要真实浏览器操作的任务

目标用户：

AI Agent 开发者（需要浏览器操作能力的 LLM 应用）
自动化测试工程师（网页端到端测试）
数据工程师（网页数据采集）
运维/DevOps（定期网页状态监控）

输入与输出案例

案例一：自动求职申请

输入任务（Python 库模式）：

task="Apply to the job at https://example.com/careers/engineering"

AI 自动执行：打开职位页 → 阅读 JD → 填写姓名/邮箱/简历字段 → 点击提交 → 返回申请结果

案例二：CLI 模式填写联系表单

browser-use open https://example.com/contact
browser-use state
# 返回：[{index:0, tag:"input", name:"full_name"...}, {index:1, tag:"input", type:"email"...}, ...]
browser-use input 0 "John Doe"
browser-use input 1 "john@example.com"
browser-use input 2 "Hello, I'm interested in your enterprise solutions."
browser-use click 3  # Submit
browser-use screenshot

输出：截图确认提交成功，返回表单提交后的感谢页面状态 JSON。

GitHub: https://github.com/browser-use/browser-use

评论区

0 条评论

登录后可评论。