browser-use 上手5行代码跑通一个AI浏览器自动化任务【免费下载链接】browser-use Make websites accessible for AI agents. Automate tasks online with ease.项目地址: https://gitcode.com/GitHub_Trending/br/browser-usebrowser-use 是一个 Python 网页自动化库你用自然语言描述任务它驱动真实浏览器打开页面、点击按钮、填写表单并返回结果。本文以自动填表并提交为例带你把第一个 AI 浏览器自动化任务完整跑通并让结果能被下游代码直接使用。1. 先跑起来一行安装与密钥配置环境要求 Python 3.11安装只需一行pip install browser-use大模型可以自带OpenAI、Google、Anthropic 的 key 都能接。想要最省心可以用官方针对浏览器任务调优的 bu-* 系列模型只配一个密钥即可export BROWSER_USE_API_KEYyour-key到这一步环境就绪不需要自己部署浏览器也不需要写一行 Selenium。2. 跑通任务让 AI 填表并提交整个任务用一句话描述Agent 会自己规划并执行每一步import asyncio from browser_use import Agent, ChatBrowserUse async def main(): agent Agent( task打开 httpbin.org/forms/post在联系表单填入姓名 John Doe、邮箱 johnexample.com然后提交, llmChatBrowserUse(modelbu-2-0-mini-preview), ) await agent.run(max_steps25) asyncio.run(main())运行后可以看到浏览器在后台打开、逐个定位输入框、填入值并点击提交。调度逻辑在 browser_use/agent/service.py浏览器侧走 CDP 协议接入配套组件在 browser_use/browser/watchdogs/排障时知道去哪儿找会快很多。3. 让结果可被代码使用结构化输出默认的结束结果是一段字符串。想把它交给后续逻辑就定义一个 Pydantic 模型传进去from pydantic import BaseModel class Result(BaseModel): status: str response: str agent Agent(tasktask, llmllm, output_schemaResult)Agent 会在结束时按这个 schema 校验输出你拿到的是一个已验证的Result实例而不是要自己解析和清洗的文本。4. ⚙️ 控制任务步数上限、视觉与无头模式三个参数直接影响成本与稳定性max_steps步数预算官方示例里用 25 起步卡住的 Agent 会在耗尽后停止避免无限循环烧 tokenuse_vision默认每步截图判断页面状态纯文本页面可设为False省成本也更快headlessBrowserSession(headlessTrue)静默运行调试时改成False能实时看着浏览器操作。模型怎么挑可以对照官方的基准测试图官方宣称 bu-* 系列在浏览器任务上比通用模型快 3~5 倍以实际环境为准日常任务先用 gemini-flash 这类便宜模型验证流程即可。5. 任务失败时看这里调试与避坑先用headlessFalse跑一次肉眼确认它卡在哪一步配合环境变量BROWSER_USE_LOGGING_LEVELinfo打开详细日志涉及登录态的页面账号密码通过sensitive_data参数传入让 Agent 自行在对应输入框填写不要直接写进任务文本元素识别不到常见原因是页面没加载完或目标在 iframe 里先延长等待再回步骤日志核对examples/getting_started/ 目录按难度排了可运行的样例填表脚本就是 02_form_filling.py改个 URL 就能复用。6. 从填表到业务场景能力边界与进阶填表只是入口仓库里还有可直接运行的样例应用。比如 ad-use 会先访问落地页并截图再提取品牌卖点交给多模态模型生成广告图单机开源版跑通之后如果需要大批量并行、隐身浏览器或验证码处理再考虑官方云托管 Agent形态运行位置适用场景开源 Agent你自己机器一次性任务、自选 LLM、嵌入自有产品云托管 Agent官方云端大规模并行、代理轮换、验证码处理下一步建议先把 getting started 里的几个样例任务按顺序跑一遍再换成你真实的页面确认稳定后再加结构化输出接下游流程。【免费下载链接】browser-use Make websites accessible for AI agents. Automate tasks online with ease.项目地址: https://gitcode.com/GitHub_Trending/br/browser-use创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 browser-use 上手：5行代码跑通一个AI浏览器自动化任务
browser-use 上手5行代码跑通一个AI浏览器自动化任务【免费下载链接】browser-use Make websites accessible for AI agents. Automate tasks online with ease.项目地址: https://gitcode.com/GitHub_Trending/br/browser-usebrowser-use 是一个 Python 网页自动化库你用自然语言描述任务它驱动真实浏览器打开页面、点击按钮、填写表单并返回结果。本文以自动填表并提交为例带你把第一个 AI 浏览器自动化任务完整跑通并让结果能被下游代码直接使用。1. 先跑起来一行安装与密钥配置环境要求 Python 3.11安装只需一行pip install browser-use大模型可以自带OpenAI、Google、Anthropic 的 key 都能接。想要最省心可以用官方针对浏览器任务调优的 bu-* 系列模型只配一个密钥即可export BROWSER_USE_API_KEYyour-key到这一步环境就绪不需要自己部署浏览器也不需要写一行 Selenium。2. 跑通任务让 AI 填表并提交整个任务用一句话描述Agent 会自己规划并执行每一步import asyncio from browser_use import Agent, ChatBrowserUse async def main(): agent Agent( task打开 httpbin.org/forms/post在联系表单填入姓名 John Doe、邮箱 johnexample.com然后提交, llmChatBrowserUse(modelbu-2-0-mini-preview), ) await agent.run(max_steps25) asyncio.run(main())运行后可以看到浏览器在后台打开、逐个定位输入框、填入值并点击提交。调度逻辑在 browser_use/agent/service.py浏览器侧走 CDP 协议接入配套组件在 browser_use/browser/watchdogs/排障时知道去哪儿找会快很多。3. 让结果可被代码使用结构化输出默认的结束结果是一段字符串。想把它交给后续逻辑就定义一个 Pydantic 模型传进去from pydantic import BaseModel class Result(BaseModel): status: str response: str agent Agent(tasktask, llmllm, output_schemaResult)Agent 会在结束时按这个 schema 校验输出你拿到的是一个已验证的Result实例而不是要自己解析和清洗的文本。4. ⚙️ 控制任务步数上限、视觉与无头模式三个参数直接影响成本与稳定性max_steps步数预算官方示例里用 25 起步卡住的 Agent 会在耗尽后停止避免无限循环烧 tokenuse_vision默认每步截图判断页面状态纯文本页面可设为False省成本也更快headlessBrowserSession(headlessTrue)静默运行调试时改成False能实时看着浏览器操作。模型怎么挑可以对照官方的基准测试图官方宣称 bu-* 系列在浏览器任务上比通用模型快 3~5 倍以实际环境为准日常任务先用 gemini-flash 这类便宜模型验证流程即可。5. 任务失败时看这里调试与避坑先用headlessFalse跑一次肉眼确认它卡在哪一步配合环境变量BROWSER_USE_LOGGING_LEVELinfo打开详细日志涉及登录态的页面账号密码通过sensitive_data参数传入让 Agent 自行在对应输入框填写不要直接写进任务文本元素识别不到常见原因是页面没加载完或目标在 iframe 里先延长等待再回步骤日志核对examples/getting_started/ 目录按难度排了可运行的样例填表脚本就是 02_form_filling.py改个 URL 就能复用。6. 从填表到业务场景能力边界与进阶填表只是入口仓库里还有可直接运行的样例应用。比如 ad-use 会先访问落地页并截图再提取品牌卖点交给多模态模型生成广告图单机开源版跑通之后如果需要大批量并行、隐身浏览器或验证码处理再考虑官方云托管 Agent形态运行位置适用场景开源 Agent你自己机器一次性任务、自选 LLM、嵌入自有产品云托管 Agent官方云端大规模并行、代理轮换、验证码处理下一步建议先把 getting started 里的几个样例任务按顺序跑一遍再换成你真实的页面确认稳定后再加结构化输出接下游流程。【免费下载链接】browser-use Make websites accessible for AI agents. Automate tasks online with ease.项目地址: https://gitcode.com/GitHub_Trending/br/browser-use创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考