BrowserUse 使用教程

📖 项目简介

Browser Use 是一个开源的 AI 浏览器自动化代理，能让 AI 通过自然语言控制浏览器，自动完成填表、购物、搜索、数据提取等各种网页操作。无需编写复杂的爬虫或自动化脚本，只需用一句话告诉 AI 你想做什么，它就能自动完成。

支持多种主流大语言模型（OpenAI、Anthropic、Google Gemini 等），基于 Playwright 实现浏览器控制，GitHub 上已获得 85K+ Star。

💡

GitHub 地址： https://github.com/browser-use/browser-use
官方网站： https://browser-use.com

✨ 核心亮点

💬

自然语言控制

用普通话描述任务，AI 自动操作浏览器完成

🤖

多模型支持

支持 OpenAI、Anthropic、Google Gemini 等主流大模型

🛡️

隐身浏览器

自带反检测、验证码处理、代理轮换功能

🆓

开源免费

MIT 开源协议，85K Star，社区活跃

⚙️ 环境要求

Python >= 3.11
uv 包管理器（推荐）或 pip
Chromium 浏览器（可自动安装）
一个 LLM API Key（OpenAI / Anthropic / Google 等）

⚠️

确保 Python 版本 >= 3.11，旧版本不支持。推荐使用 uv 作为包管理器，速度更快。

🚀 安装步骤

创建项目并安装 Browser Use

使用 uv 创建项目环境并安装依赖：

                        bash
                        uv init && uv add browser-use && uv sync
                    

如果系统没有 Chromium 浏览器，运行以下命令安装：

                        bash
                        uvx browser-use install
                    

配置 API Key

在项目根目录创建 .env 文件，填入你的 API Key：

                        .env
                        # 选择一个 LLM 提供商即可
BROWSER_USE_API_KEY=your-browser-use-key
# OPENAI_API_KEY=your-openai-key
# ANTHROPIC_API_KEY=your-anthropic-key
# GOOGLE_API_KEY=your-google-key
                    

编写你的第一个 AI 浏览器脚本

创建 main.py 文件：

                        python
                        from browser_use import Agent, Browser, ChatBrowserUse
import asyncio

async def main():
    browser = Browser()
    agent = Agent(
        task="帮我搜索今天的天气预报",
        llm=ChatBrowserUse(),
        browser=browser,
    )
    await agent.run()

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

运行脚本

在终端运行你的脚本：

                        bash
                        uv run main.py
                    

AI 将自动打开浏览器，完成你指定的任务！

🎮 更多玩法

自定义工具

你可以给 Agent 添加自定义工具，扩展它的能力：

                python
                from browser_use import Tools

tools = Tools()

@tools.action(description='保存搜索结果到文件')
def save_result(content: str) -> str:
    with open('result.txt', 'w') as f:
        f.write(content)
    return "已保存"

agent = Agent(
    task="搜索并保存结果",
    llm=llm,
    browser=browser,
    tools=tools,
)
            

CLI 命令行模式

Browser Use 还提供了快速的命令行模式：

                bash
                browser-use open https://example.com  # 打开网页
browser-use state                      # 查看可点击元素
browser-use click 5                    # 点击第5个元素
browser-use type "Hello"               # 输入文字
browser-use screenshot page.png        # 截图
            

✅

提示：CLI 模式会在命令之间保持浏览器运行，适合快速调试和交互式操作。

❓ 常见问题

Q: 支持哪些大语言模型？

支持几乎所有主流 LLM：OpenAI（GPT-4o 等）、Anthropic（Claude）、Google（Gemini）、以及 Browser Use 自家优化的 ChatBrowserUse 模型。还可以通过 Ollama 使用本地模型。

Q: 是否完全免费？

Browser Use 库本身完全开源免费（MIT 协议）。但你需要自备 LLM API Key（如 OpenAI Key），会产生 Token 调用费用。Browser Use Cloud 提供付费的云端浏览器服务。

Q: 如何处理网站验证码（CAPTCHA）？

本地开源版本需要配合更好的浏览器指纹和代理才能绕过验证码。推荐使用 Browser Use Cloud 服务，内置反检测浏览器和验证码解决方案。

Q: 如何保持登录状态？

可以复用本机 Chrome 浏览器配置文件（Profile），已登录的网站无需重新登录。详见官方文档的 Authentication 章节。