Browser Use 评测：让 AI 代理操控浏览器，自动化一切网页操作
Browser Use 是一个开源 AI 浏览器自动化框架，支持使用 GPT、Claude 等大语言模型驱动浏览器完成网页操作任务，GitHub 星标超 10 万，是目前最流行的 AI Agent 工具之一。
一句话介绍
Browser Use 是一个开源的 AI 浏览器自动化框架，允许开发者使用 GPT、Claude 等大语言模型驱动浏览器，自动完成网页上的各种操作任务——从数据抓取、表单填写到复杂的跨页面工作流。GitHub 星标超过 10 万，是目前最热门且最成熟的 AI Agent 工具之一。
核心功能
1. 自然语言驱动的浏览器操作
Browser Use 的核心卖点是用自然语言描述你想让 AI 代理做的事情，它就能自动完成。比如你说”帮我查找 GitHub 上 browser-use 项目的星标数”，它会自动打开浏览器、搜索、点击、截图分析，最终返回结果。整个过程完全由大语言模型驱动，无需编写任何选择器或脚本。
2. 支持多种大语言模型
Browser Use 兼容主流 LLM 后端，包括 OpenAI（GPT-4/GPT-5）、Anthropic（Claude）、Google Gemini 以及 Browser Use 自研的优化模型。这种灵活性意味着用户可以根据预算和需求自由选择模型，同时也支持通过自有 API Key 接入任意兼容 OpenAI 接口的模型。
3. 灵活的浏览器配置
内置 Playwright 引擎，支持有头（headed）和无头（headless）两种模式运行。可以精确控制允许的域名范围、浏览器窗口大小、视口设置等。对于需要登录的场景，还支持连接本地已登录的浏览器实例，避免重复认证。
4. 结构化输出与任务历史
每次 Agent 运行都会完整记录操作历史——包括每一步的思考过程、执行的 DOM 操作、截图和最终结果。这些历史记录可以导出查看，也可以用于调试和优化 Agent 的行为。最终结果可以以结构化格式返回，方便后续程序处理。
5. 云端部署选项
除了本地部署，Browser Use 还提供了云服务（Browser Use Cloud），免去了环境配置的麻烦。云服务自带反检测能力，适合大规模自动化任务。同时支持 CLI 模式，可以直接在 Claude Code、Cursor 等编码工具中使用。
适用人群
- 开发者：需要自动化网页操作流程的后端和全栈工程师
- 数据分析师：需要从网页批量采集数据但缺乏专业爬虫经验的人员
- 产品经理：需要快速验证网站交互流程或竞品功能的产品人员
- 普通用户：希望用自然语言完成重复性网页操作的非技术人员
- AI 研究者：研究多模态 Agent 行为和安全边界的学术人员
与同类工具对比
| 特性 | Browser Use | AutoGPT | Playwright + LLM | Dify |
|---|---|---|---|---|
| 上手难度 | 低（几行代码即可运行） | 中高（需要大量调优） | 高（需自行编写所有逻辑） | 中（可视化编排） |
| 浏览器控制 | 原生支持 Playwright | 需集成 | 直接封装 | 需集成插件 |
| LLM 兼容性 | 支持多种模型 | 主要 OpenAI | 取决于实现 | 支持多种 |
| 开源协议 | MIT | Apache 2.0 | 开源 | AGPL |
| 社区活跃度 | 极高（10 万+ ⭐） | 高 | 中 | 高 |
| 生产就绪度 | 高（已广泛用于生产） | 中 | 取决于实现 | 高 |
Browser Use 的优势在于它专注于”浏览器自动化”这一垂直场景，做得比通用 AI Agent 框架更精细。相比 AutoGPT 的泛化能力，Browser Use 在网页交互的准确性和稳定性上表现更好；相比直接写 Playwright 脚本，它省去了繁琐的元素定位和状态管理。
如何使用
方法一：本地安装（推荐）
1. 安装依赖
# 使用 uv（推荐）
uv add browser-use
# 或使用 pip
pip install browser-use
2. 配置环境变量
在项目根目录创建 .env 文件：
GOOGLE_API_KEY=your_google_key
# 或者使用其他模型
OPENAI_API_KEY=your_openai_key
ANTHROPIC_API_KEY=your_anthropic_key
3. 编写第一个 Agent
import asyncio
from browser_use import Agent, BrowserProfile, ChatBrowserUse
async def main():
agent = Agent(
task="查找 GitHub 上 browser-use 项目的星标数",
llm=ChatBrowserUse(model='openai/gpt-5.5'),
browser_profile=BrowserProfile(
headless=True,
allowed_domains=["*.github.com"],
),
)
history = await agent.run()
print(history.final_result())
if __name__ == "__main__":
asyncio.run(main())
方法二：使用云服务
如果不想配置本地环境，可以直接使用 Browser Use Cloud：
- 访问 https://cloud.browser-use.com 注册账号
- 获取 API Key
- 在
.env中添加BROWSER_USE_API_KEY=your_key - 使用相同的 Python SDK 调用，但模型选择
bu-2-0（Browser Use 自研模型）
方法三：在 Claude Code 中使用
Browser Use 3.0 引入了 CLI 技能模式，可以直接嵌入编码代理：
# 在 Claude Code 中输入：
Install or upgrade browser-use to the latest stable version with uv using Python 3.12,
register the skill from browser-use skill, and connect it to my browser.
总结与推荐
推荐指数：⭐⭐⭐⭐⭐（5/5）
Browser Use 是目前将大语言模型与浏览器自动化结合得最好的开源项目之一。它的 API 设计简洁直观，几行代码就能启动一个能自主操控浏览器的 AI Agent。10 万+ 的 GitHub 星标和活跃的社区生态证明了其可靠性和实用性。
值得推荐的理由： 1. 上手极快，几行 Python 代码即可开始使用 2. 支持多种 LLM 后端，灵活适配不同预算和场景 3. Playwright 原生集成，浏览器操作稳定可靠 4. MIT 开源协议，可自由商用 5. 提供云服务和 CLI 技能模式，满足从个人到企业的需求
需要注意的地方：
1. 使用外部 LLM API 会产生调用费用，复杂任务可能消耗较多 token
2. 部分网站有反自动化机制，可能需要额外配置绕过
3. 无头模式下对复杂 JavaScript 渲染页面的处理能力有限
4. 自研模型 bu-2-0 仅在使用云服务时可用
最佳适用场景： 需要自动化执行网页操作流程的任务，如竞品监控、数据采集、表单自动填写、网站测试等。特别适合那些需要”让 AI 像人一样操作浏览器”的场景。
搭配使用建议：抓取的数据可以用 198007.xyz 的工具集 做后续处理——JSON 格式化工具 清洗 API 响应，URL 编码解码器 处理查询参数，Base64 转换器 编解码附件数据。
项目地址： https://github.com/browser-use/browser-use 官方网站： https://browser-use.com 文档： https://docs.browser-use.com 云服务： https://cloud.browser-use.com