Browser Use
让 AI 代理像用户一样打开网页、点击、输入并完成在线任务。
按维度查看评分与理由
证据显示：项目提供CLI和Python库，允许用户自定义工具和LLM，但未明确实现最小权限原则；用户确认机制缺失，没有看到任何用户确认步骤；数据流透明度有限，README提到遥测但未详细说明数据流向；敏感数据处理方面，README提到处理认证和CAPTCHA，但未说明如何保护敏感数据；依赖安全性方面，pyproject.toml固定了依赖版本，但未提供漏洞扫描或安全审计证据；外部影响方面，项目能自动执行浏览器操作，但未明确限制或警告；回滚机制未提及；来源归属方面，README和pyproject.toml提供了作者信息，但发布者未验证。扣分原因：缺少用户确认、回滚机制，数据流和敏感数据处理说明不足。
证据显示：项目内部一致性较好，README、pyproject.toml和测试文件相互对应；依赖可用性方面，依赖列表完整且固定版本，但未提供依赖可用性保证；失败消息方面，测试文件中有错误处理，但未提供用户友好的失败消息。扣分原因：失败消息设计未充分展示。
证据显示：README明确区分了CLI和Python库的使用场景，适合不同受众；能力边界方面，README说明了CLI和库的适用场景，但未明确限制；触发精度方面，CLI通过命令触发，但未详细说明触发条件；环境适配方面，pyproject.toml支持多平台，但未提供详细的系统要求。扣分原因：触发精度和系统要求说明不足。
证据显示：信息架构清晰，README结构良好；安装说明详细，提供了多种安装方式；命名稳定性方面，项目提供了多个CLI别名，但未说明命名稳定性；示例和FAQ丰富，提供了多个使用案例；已知限制方面，README提到生产环境的内存问题，但未全面列出；许可证为MIT，清晰；版本和变更日志方面，pyproject.toml有版本号，但未提供变更日志；维护责任方面，README提供了作者和社区链接。扣分原因：缺少变更日志和全面的已知限制。
证据显示：输出可用性方面，README展示了多种输出格式（如CSV、表格）；边际价值方面，项目提供了独特的浏览器自动化能力；成本效益方面，README提到免费开源，但未提供详细的成本分析。扣分原因：成本效益分析不足。
证据显示：README中的声明（如基准测试）未提供具体数据来源；跨来源验证方面，README提到基准测试和排行榜，但未提供链接；事实与推断分离方面，README将事实和营销语言混合。扣分原因：声明缺乏可追溯性，事实与推断未清晰分离。
- 发布者身份未验证，需谨慎对待。
- 缺少用户确认机制，自动化操作可能带来风险。
- 数据流和敏感数据处理说明不足，需进一步审查。
- 依赖版本固定但未提供安全审计，需关注依赖漏洞。
这个 Agent 能做什么，适合哪些场景？
Browser Use 是一个用于网页自动化的 Python 库和命令行工具，核心接口包括 Agent、ChatBrowserUse 与 Tools。开发者向 Agent 提供任务文本和 LLM，随后通过 await agent.run() 执行浏览器任务并取得执行历史。README 展示了表单填写、结构化数据提取与本地网站 QA 等任务，并提供自定义工具扩展方式。它可在本机免费运行并允许选择 LLM；对于复杂或大规模场景，项目同时提供托管 Cloud Agent 与云端浏览器服务。CLI 面向已在使用 Codex 或 Claude Code 等代理的用户，Python 库面向需要在软件中嵌入可重复网页自动化的开发者。
使用者创建 Agent(task=..., llm=...)，其中 task 是自然语言网页任务，llm 可为 ChatBrowserUse、ChatOpenAI 或 ChatAnthropic。Agent 会在浏览器中打开页面、点击按钮、输入内容并填写表单；示例任务包括用简历填写职位申请、提取关注者的结构化数据并导出 CSV、测试本地网站并报告缺陷、可用性问题和视觉不一致。执行时调用 await agent.run()，其结果保存为 history。若需要浏览器外能力，可创建 Tools()，用 @tools.action(description=...) 注册 Python 函数，再将 tools 传给 Agent。
- 求职者需要根据自己的简历和资料填写线上职位申请时，可将该任务交给浏览器代理执行。
- 运营或研究人员需要提取关注者的结构化信息并导出 CSV 时，可使用数据提取任务。
- 开发团队在发布前需要测试本地网站，并收集缺陷、可用性问题和视觉不一致时，可运行 QA 自动化任务。
- 正在构建定时或并行网页自动化的软件团队，可将 Python 库嵌入抓取、监控或 QA 工作流。
- 已使用 Codex 或 Claude Code 的个人，需要一次性完成网页操作，例如比较多台笔记本价格或上传视频时，可使用 CLI 工作流。
这个 Agent 有哪些优点和局限？
- 同一 Agent 接口覆盖网页打开、点击、输入和表单填写，并以自然语言 task 驱动执行。
- Python 库支持 ChatBrowserUse、ChatOpenAI 和 ChatAnthropic，并允许通过 Tools 和 @tools.action 添加自定义 Python 工具。
- 同时提供一次性任务的 CLI 路径与适合嵌入、调度或并行运行的 Python 库路径。
- 托管 Cloud Agent 提供代理轮换、验证码处理、持久化文件系统和内存等能力，README 还列出 1000 多项集成。
- 运行 Python 库需要 Python 3.11 以上以及可用的 LLM 提供商凭证；开源库免费，但模型服务可能产生费用。
- 在本机并行运行多个浏览器代理会消耗大量 Chrome 内存，README 明确指出这类生产部署较难管理。
- 验证码处理、浏览器指纹规避和代理轮换被指向 Cloud 服务，开源本地路径未在 README 中说明提供这些能力。
- README 将更复杂任务、更易扩展和生产级浏览器基础设施定位为托管 Cloud Agent 的优势，采用本地库可能需要自行承担这些运维工作。
如何安装或部署这个 Agent？
Python 库要求 Python 3.11 或更高版本。安装：
uv add browser-use或：
pip install browser-use在 .env 中配置至少一个可用的模型凭证，例如：
BROWSER_USE_API_KEY=your-key也可配置 GOOGLE_API_KEY 或 ANTHROPIC_API_KEY。若要让已有的 Codex、Claude Code 等代理使用浏览器能力，README 给出的设置提示包含：browser-use skill install。
如何使用这个 Agent？
创建并运行首个代理：
import asyncio
from browser_use import Agent, ChatBrowserUseasync def main():
agent = Agent(task="Find the number of stars of the browser-use repo",
llm=ChatBrowserUse(model="openai/gpt-5.5"),
)
history = await agent.run()if __name__ == "__main__":
asyncio.run(main())也可将 llm 替换为 ChatOpenAI 或 ChatAnthropic；使用 ChatBrowserUse 时，可传入带供应商前缀的模型标识，例如 anthropic/claude-sonnet-4-6、openai/gpt-5.5 或 google/gemini-3-pro。
这个 Agent 与同类方案有什么区别？
CLI 适合让已有的 Codex、Claude Code 等代理完成一次性浏览器任务；Python 库适合在代码中构建可重复的自动化、监控、抓取或 QA。开源 Agent 可在自己的机器上运行并允许深度定制；托管 Cloud Agent 被定位为更适合复杂任务和规模化运行的选项。