browser-use--browser-use/README.md

Note

本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。
English · 原始项目 · 上游 README
原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。

---

Browser Use 能做什么？

Browser Use 让 AI 智能体（agent）像你一样使用网页浏览器——打开页面、点击按钮、输入文字、填写表单。你描述任务，它就能完成。例如，你可以让它：

📋 填写表单

任务："用我的简历和信息填写这份工作申请。"

示例代码 ↗

🍎 购买日用品

任务："把这份物品清单加入我的 instacart。"

https://github.com/user-attachments/assets/a6813fa7-4a7c-40a6-b4aa-382bf88b1850

示例代码 ↗

💻 做你的个人助理

任务："帮我找组装定制 PC 的零件。"

https://github.com/user-attachments/assets/ac34f75c-057a-43ef-ad06-5b2c9d42bf06

示例代码 ↗

快速入门

如果你想在智能体（Claude Code、Codex、Cursor、Hermes、OpenClaw 等）中使用 Browser Use，粘贴这段提示词，它会自动完成所有设置：

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. If setup or connection fails, follow https://github.com/browser-use/browser-harness/blob/main/install.md.

然后告诉你的智能体你想做什么。

Python 库：自动化网页的最简方式

想在自己的代码里、配合任意大语言模型（LLM）、大规模自动化网页操作？请使用 Python 库：

1. 安装 Browser Use（Python >= 3.11）：

uv add browser-use
# or: pip install browser-use

2. 将你的 LLM API 密钥添加到 .env。可从 Browser Use Cloud, 获取，或使用你自己的服务商密钥：

# .env
BROWSER_USE_API_KEY=your-key
# GOOGLE_API_KEY=your-key
# ANTHROPIC_API_KEY=your-key

3. 运行你的第一个智能体：

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'),  # Browser Use's optimized model
        # llm=ChatOpenAI(model='gpt-5.5'),
        # llm=ChatAnthropic(model='claude-opus-4-8'),  # Sonnet also works well
    )
    history = await agent.run()

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

更多内容请参阅库文档 和云端文档！

开源版 vs 云端版

我们在 100 个真实浏览器任务上对 Browser Use 进行基准测试。完整基准测试已开源：browser-use/benchmark.

Browser Use 在 Odysseys 排行榜 上也位列 #1，平均得分 87.4%，领先于 OpenAI、Anthropic、Google 和 Microsoft 的 computer-use 智能体。Odysseys 会衡量智能体在 200 个长周期网页任务上的表现。

使用开源智能体

• 免费，可在本机运行
• 深度代码级集成与控制：自选 LLM、自定义智能体行为
• 建议搭配我们的云端浏览器，以获得领先的隐身能力、代理轮换和弹性扩展

使用全托管云端智能体（推荐）

• 应对复杂任务的智能体能力更强（见上图）
• 上手和扩展最简单的方式
• 最佳隐身能力，支持代理轮换与验证码（captcha）破解
• 1000+ 集成（Gmail、Slack、Notion 等）
• 持久化文件系统与记忆

集成、托管、自定义工具、MCP 等更多内容，请查看我们的文档 ↗

常见问题

我该用 CLI 还是 Python 库？

使用 CLI：如果你已有智能体（Claude Code、Codex、Cursor、Hermes、OpenClaw 等），想让它帮你完成浏览器任务。智能体只需安装一次技能（见快速入门），之后即可控制浏览器。示例：

• "把这个视频上传到 YouTube"
• "对比这三台笔记本电脑，给我一张带价格的表格"
• "用我的简历填写这份工作申请"

使用 Python 库：当你要构建自动化网页的软件时。示例：

• 按计划或并行运行大量任务（抓取、监控、QA）
• 将浏览器智能体嵌入你自己的产品
• 自定义工具、自定义系统提示词、结构化输出、细粒度浏览器控制

经验法则：通过智能体做一次性任务 → CLI；在代码中做可重复自动化 → Python 库。

最好用什么模型？

我们专门针对浏览器自动化任务优化了 ChatBrowserUse()。平均而言，它在达到 SOTA 准确率的同时，完成任务的速度比其他模型快 3-5 倍。

关于定价及其他 LLM 提供商，请参阅我们的支持的模型文档.

能否通过 ChatBrowserUse 使用 Claude / GPT / Gemini？

可以。ChatBrowserUse 接受带提供商前缀的 model id，因此单个 BROWSER_USE_API_KEY 即可访问全部模型——无需单独的 OpenAI/Anthropic/Google 密钥：

from browser_use import Agent, ChatBrowserUse

llm = ChatBrowserUse(model='anthropic/claude-sonnet-4-6')  # or 'openai/gpt-5.5', 'google/gemini-3-pro'
agent = Agent(task='...', llm=llm)

为获得最佳速度与成本，我们仍推荐使用默认的 bu-* 模型。

使用开源预览模型时，是否应使用 Browser Use 系统提示词（system prompt）？

是的。若将 ChatBrowserUse(model='browser-use/bu-30b-a3b-preview') 与普通的 Agent(...) 搭配使用，Browser Use 仍会为你发送其默认的 agent 系统提示词。

切换到开源预览模型后，你无需额外添加自定义的「Browser Use 系统消息」。仅当你有意针对任务自定义默认行为时，才使用 extend_system_message 或 override_system_message。

若追求默认情况下的最佳速度/准确度，我们仍推荐使用较新的托管 bu-* 模型。若使用开源预览模型，除 model= 取值外，配置方式保持不变。

能否为 agent 使用自定义工具？

可以！你可以添加自定义工具以扩展 agent 的能力：

from browser_use import Tools

tools = Tools()

@tools.action(description='Description of what this tool does.')
def custom_tool(param: str) -> str:
    return f"Result: {param}"

agent = Agent(
    task="Your task",
    llm=llm,
    browser=browser,
    tools=tools,
)

可以免费使用吗？

可以！Browser-Use 是开源的，可免费使用。你只需选择 LLM 提供商（如 OpenAI、Google、ChatBrowserUse，或通过 Ollama 在本地运行模型）。

服务条款

本开源库采用 MIT License 许可。有关 Browser Use 服务与数据政策，请参阅我们的服务条款 和隐私政策.

如何处理身份验证？

请参阅我们的身份验证示例：

• 使用真实浏览器配置文件 - 复用已保存登录信息的现有 Chrome 配置文件
• 若需使用带收件箱的临时账号，可选择 AgentMail
• 要将身份验证配置文件同步到远程浏览器，请运行 curl -fsSL https://browser-use.com/profile.sh | BROWSER_USE_API_KEY=XXXX sh（将 XXXX 替换为你的 API key）

这些示例展示了如何无缝维护会话并处理身份验证。

如何解决 CAPTCHA？

处理 CAPTCHA 需要更好的浏览器指纹与代理。请使用 Browser Use Cloud，它提供专为规避检测与 CAPTCHA 挑战而设计的隐身浏览器。

如何投入生产环境？

Chrome 会占用大量内存，并行运行多个 agent 的管理也可能较为棘手。

生产场景请使用我们的 Browser Use Cloud API，它提供：

• 可扩展的浏览器基础设施
• 内存管理
• 代理轮换
• 隐身浏览器指纹
• 高性能并行执行

引用

若在你的研究或项目中使用了 Browser Use，请引用：

@software{browser_use2024,
  author = {Müller, Magnus and Žunič, Gregor},
  title = {Browser Use: Enable AI to control your browser},
  year = {2024},
  publisher = {GitHub},
  url = {https://github.com/browser-use/browser-use}
}

告诉电脑做什么，它就能帮你完成。

   

Made with ❤️ in Zurich and San Francisco