Browser Use Skill：让 AI Agent 操控浏览器自动化网页任务

Skill超级捕获手 技术创作者 2026-09-01 16 阅读

总结

Browser Use 是一个开源浏览器自动化框架，能让 AI Agent 像真实用户一样操控浏览器——打开网页、点击按钮、填写表单、执行多步骤网页任务。用户只需用自然语言描述任务，框架即可自主完成。凭借 110k GitHub Stars 和 12k Forks，它已成为 AI Agent 操控浏览器领域最热门的开源项目之一，并在 Odysseys 排行榜以 87.4% 平均准确率位居第一，超越 OpenAI、Anthropic、Google 和微软的同类方案。

功能与原则

Browser Use 提供两大使用方式：CLI 工具和 Python 库。CLI 面向已接入 AI Agent（如 Claude Code、Codex、Cursor、OpenClaw）的用户，通过一条指令让 Agent 直接控制浏览器完成网页任务；Python 库则面向开发者，将浏览器自动化能力嵌入自建软件或产品。框架核心运行逻辑为：解析页面 DOM → 识别可交互元素 → LLM 决策下一步动作 → 执行点击/输入/导航等操作 → 循环直到任务完成。设计原则是最小化配置、最广泛兼容主流 LLM、支持本地运行和云端扩展两种模式。

认可度

  • GitHub Stars：110k（截至 2026-08-22）
  • Forks：12k
  • Issues：109｜Pull Requests：271（持续活跃维护）
  • 编程语言：Python
  • 许可证：MIT
  • Odysseys 排行榜 #1：87.4% 平均准确率，领先所有同类方案
  • GitHub Trending：长期占据 Python / AI 分类热门榜

链接

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

原作者

browser-use 组织（github.com/browser-use），核心作者维护，配套文档见于 docs.browser-use.com，云端服务见于 cloud.browser-use.com。该项目在 GitHub Trending 上长期稳居 AI Agent 分类头部，是当前最受关注的浏览器自动化开源项目之一。

介绍

Browser Use 解决的核心问题是：让 AI Agent 能够操作需要登录、验证、复杂交互的真实网页，而不是只能读取静态 HTML 或调用死板的 API。框架基于 Playwright 构建，配合 LLM 的推理能力，使 Agent 能够理解网页结构、自主决策操作步骤，并以人类行为方式完成端到端任务。

开源版本完全免费，在本地运行，支持连接真实 Chrome Profile（保留登录状态），可配合任意 LLM（OpenAI GPT 系列、Anthropic Claude 系列、Google Gemini 等）。同时提供 Cloud 版，集成 Stealth 模式、代理轮换、CAPTCHA 解决、1000+ 应用集成（Gmail、Slack、Notion 等），适合规模化任务和企业级场景。

benchmark 完全开源（browser-use/benchmark），包含 100 个真实网页任务评测，确保能力可验证、可复现。框架还提供 Self-Healing Browser Harness，遇到页面结构变化时能自动修复操作路径，而非直接失败。

特点

  • 跨 Agent 兼容：Claude Code、Codex、Cursor、OpenClaw 等主流 Agent 均可通过 CLI 一键接入
  • 多 LLM 支持：通过 ChatBrowserUse 支持 OpenAI GPT、Anthropic Claude、Google Gemini 等多种模型，统一 API 接口
  • 真实浏览器控制：基于 Playwright + 真实 Chrome，可保留登录状态、处理复杂交互场景
  • Cloud 版本能力：Stealth 模式防检测、代理轮换、CAPTCHA 解决、1000+ 第三方集成
  • Self-Healing：browser-harness 组件能在页面结构变化时自动修复操作路径，提升任务成功率
  • Benchmark 开源：100 个真实网页任务评测集公开可查，结果可复现

使用方法

方式一：CLI（让已有 Agent 控制浏览器）

安装并注册 Skill：

# 前提：Python 3.12+，通过 uv 或 pip 安装
uv add browser-use
# 或：pip install browser-use

# 注册 Skill
browser-use skill install

然后直接对 Agent 说：”请帮我填写这个职位申请表，用我的简历信息。”

方式二：Python 库（自建自动化软件）

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'),
        # 或：llm=ChatBrowserUse(model='anthropic/claude-sonnet-4-6')
    )
    history = await agent.run()

if __name__ == "__main__":
    asyncio.run(main())

环境变量配置（.env）：

BROWSER_USE_API_KEY=your-key    # 从 cloud.browser-use.com 获取
# 或使用自带 API Key
# ANTHROPIC_API_KEY=your-key
# GOOGLE_API_KEY=your-key

使用场景与人群

适用场景：
– 网页数据采集与监控（竞品价格、评论、库存）
– 自动填写多步骤表单（职位申请、保险报价、订单处理）
– 浏览器端 QA 自动化测试
– 跨平台网页操作工作流编排
– 需要登录态的自动化任务

目标用户：
– AI 应用开发者（将浏览器自动化能力嵌入 Agent 产品）
– 自动化工程师（替代传统 Playwright 脚本，加入 LLM 决策层）
– 运营/市场人员（批量处理需要登录态的网页任务）
– 研究人员（大规模网页数据采集）

输入与输出案例

案例一：查询 GitHub 仓库信息

Input：task="Find the number of stars of the browser-use repo"
Model：ChatBrowserUse(model='openai/gpt-5.5')

Output：Agent 自动打开 github.com → 搜索 browser-use → 进入仓库页
       → 读取星标数字 → 返回："browser-use repo has 110k stars"

案例二：批量填写职位申请表

Input：
task="Apply to the machine learning engineer position at example.com using my resume info",
llm=ChatBrowserUse(model='anthropic/claude-sonnet-4-6')

Output：Agent 自动打开职位页面 → 导航到申请入口 → 
       识别表单字段 → 从简历提取姓名/邮箱/经历填入各栏 → 
       提交申请 → 返回申请确认截图/ID

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

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

评论区

0 条评论

登录后可评论。

Skill超级捕获手 16 阅读