Browser Use · AI 工具图鉴

📌 核心价值：用一句自然语言让 AI 替你操作浏览器——点按钮、填表单、抓数据，全自动。

还在为写 XPath、维护一碰就碎的爬虫脚本熬夜？Browser Use 让大模型像人一样"看"网页、"动手"操作，你只管说需求，剩下的交给 Agent。

封面图

🚀 什么是 Browser Use？

Browser Use 是一个 Python 开源库，定位是"Make websites accessible for AI agents"——让 AI 智能体像人类一样使用浏览器。它把当前页面的截图 + DOM 结构 + 可交互元素一起喂给大模型，模型判断"该点哪、填什么"，再由底层的 Playwright 驱动真实 Chromium 执行，循环往复直到任务完成。

核心定位：它把"网站可访问性"做成了 AI 的原生能力，而不是再给开发者一套更底层的 API。

传统爬虫/自动化最大的痛点是"脆弱"：网站改个 CSS 类名，XPath 就失效，脚本全盘崩。Browser Use 用 LLM 理解页面语义，具备官方所称的 self-healing（自愈） 能力——页面结构微调，只要功能没变，AI 照样能找到正确元素。

Star： 110,024 ⭐ ｜ Fork： 12,092 ｜ 协议： MIT ｜ 语言： Python
最新版本： 0.13.8（搭配 Browser Harness 0.1.9，2026-08 发布）
基准表现： 官方 Odyssey 排行榜平均 87.4%，同类排名第一

✨ 核心功能一览

Browser Use 在多项能力上和传统自动化工具拉开差距：AI 意图理解、自然语言控制、多步任务规划是它独占的优势，而自动等待、网络 Mock、多 Context 等现代能力也与 Playwright 并列领先。

功能对比表

关键能力拆解：

📋 自然语言控制：task="帮我把这份简历填进求职申请表"，AI 自动拆步骤执行。
🍎 结构化数据提取："抓取我粉丝的数据并导出 CSV"，直接返回 Markdown 表格。
🔧 自定义工具：用 @tools.action 装饰器把你的 Python 函数注册成 Agent 可调用的工具（查天气、调内部 API 都行）。
🔌 MCP 兼容：可接入 Model Context Protocol 服务器，融入更大的 Agent 生态。
🛡️ 云端隐身：Cloud 版提供 Stealth 指纹伪装 + 代理轮换 + 验证码处理。

🛠️ 快速上手：5 分钟跑通

安装

# 推荐用 uv（也可 pip）
uv add browser-use
# 或
pip install browser-use

# 安装 Playwright 浏览器引擎（首次自动下载 Chromium）
playwright install chromium

核心代码示例（官方 Run your first agent）

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'),
        # llm=ChatBrowserUse(model='bu-2-0-mini-preview'),  # 官方优化模型，更快更省
        # llm=ChatAnthropic(model='claude-opus-4-8'),       # 也支持 Claude
    )
    history = await agent.run()

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

注意：本地开源版完全免费，但每一步都调用 LLM，高频批量任务要注意 API 成本；追求速度与性价比优先用官方 ChatBrowserUse 默认模型（官方称比通用模型快 3-5 倍）。

三种使用形态：

Python 库——把浏览器 Agent 嵌入你自己的产品、做定时/并行任务。
CLI Skill——已装有 Claude Code / Codex / Cursor 等 Agent 时，browser-use skill install 注册后即可让它帮你操作浏览器。
Cloud API——curl -X POST https://api.browser-use.com/api/v4/runs 一行发起云端任务，免去本地浏览器管理。

📊 与竞品对比

除了功能维度，模型准确率也是硬指标。下图是官方公布的各模型在浏览器任务上的准确率表现（来自 GitHub README static/ 目录真实图表）。

模型准确率基准

把 Browser Use 和三大传统框架放在一起看，差异一目了然：

竞品对比表

选型建议：

新项目做 AI Agent 浏览器控制 → Browser Use 是首选。
只需要纯脚本测试、且站点稳定有 API → Playwright 更轻。
Selenium / Puppeteer → 维护遗留代码时保留，新项目几乎不再推荐。

💡 适用场景

场景 1：网页数据采集（告别脆弱爬虫）

演示截图

功能说明：让 Agent 打开目标站点、滚动加载、定位元素、提取结构化数据并导出表格。 输入要求：一句自然语言任务描述（如"抓取 Hacker News 今天最热的 20 条帖子和点赞数"）。 输出效果：干净的 Markdown / CSV / JSON，无需手写解析正则。 适用场景：竞品价格监控、社媒数据归档、研究资料收集。

场景 2：自动化填表与流程（像人一样操作）

工作原理演示

功能说明：多步表单填写、登录态保持、跨页面跳转，全部由 Agent 自主完成。 输入要求：清晰的任务指令 + 必要的凭据（可用本地已登录 Chrome 复用会话）。 输出效果：任务完成后的结果摘要，支持 --session 多实例并行互不干扰。 适用场景：批量报表提交、求职申请自动填、后台系统巡检。

用户群体总结

✅ 开发者 / 独立黑客：把重复网页操作自动化，省下写脚本的时间。
✅ 数据团队：构建 RAG 数据管道、实时网页监控，无需维护爬虫。
✅ AI Agent 构建者：作为"手和眼"嵌入自己的 Agent 产品。
❌ 不适合：目标站点已有稳定官方 API（直接调 API 更快更省）；需要像素级精准截图（用 Puppeteer 更合适）。

💰 定价方案

开源版（MIT）：永久免费，可完全本地运行，仅需自备 LLM API Key（OpenAI / Anthropic / Google / DeepSeek / 本地 Ollama 均可）。
Cloud 版：托管浏览器基础设施——弹性集群、代理轮换、Stealth 指纹、验证码处理、高并发。新用户送 $10 起步额度。

💡 新用户福利：开源 MIT 永久免费，云端注册即送 $10 额度，先免费用透再决定是否付费。

开源协议： MIT

🎯 总结

Browser Use 把"AI 操作浏览器"从炫技变成了可落地的工程能力：自然语言驱动、自愈抗改版、模型无关、开源免费。在 AI Agent 成为浏览器"操作系统"的今天，它是每个想把网页任务自动化的开发者都值得装进工具箱的项目。

推荐指数： ⭐⭐⭐⭐⭐（满分 5 星）

适合人群： 开发者、数据工程师、AI Agent 产品团队

立即体验： Browser Use 官网

GitHub 仓库： browser-use/browser-use

数据截至 2026-08-22，最新信息请以官网为准。

配套媒体