Open Browser
让 AI 代理自主浏览网页，用自然语言描述任务，自动执行点击、输入、导航和数据提取。
- Star 数
- ★ 9.6k
- 最近更新
- 6 个月前
- License
- MIT
- 主语言
- TypeScript
- FA 评分
- 47/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台ChatGPT · Claude.ai · OpenAI API · Claude API
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 开发者想自动化重复的网页操作，如数据提取、表单填写。
- 不适合
- 不愿使用 OpenAI、Anthropic 或 Google 云端 API 的用户
- 不熟悉 Bun 运行时的开发者
这个 Agent 能做什么，适合哪些场景？
Open Browser 是一个基于 TypeScript 的自主网页浏览框架，利用 Playwright 控制浏览器，并集成 OpenAI、Anthropic 和 Google 的模型。它提供核心库、命令行工具和沙箱执行环境。用户可以用自然语言描述任务，代理会自动执行操作。支持交互式 REPL、资源限制、成本追踪和故障检测。MIT 许可，可完全扩展。
Open Browser 提供一个 Agent 类，接收自然语言任务，将页面状态和任务发送给 LLM，由 LLM 决定执行命令（如 click、type、navigate、extract）。通过 CLI 命令如 open-browser run 启动任务，或通过 open-browser interactive 进入交互式 REPL。它还提供 @open-browser/sandbox 包用于沙箱执行，支持资源限制和监控。
- 开发者想自动化重复的网页操作，如数据提取、表单填写。
- QA 工程师要测试多步骤网页流程，并验证页面行为。
- 研究人员需要从多个网站收集信息并汇总。
- 产品经理快速原型验证网页功能，无需写代码。
如何安装或部署这个 Agent？
安装依赖：bun install。复制环境变量示例：cp .env.example .env，并编辑 .env 填入你的 API 密钥（OPENAI_API_KEY、ANTHROPIC_API_KEY 或 GOOGLE_GENERATIVE_AI_API_KEY 至少一个）。
如何使用这个 Agent？
运行一个代理任务：bun run open-browser run "Find the price of the MacBook Pro on apple.com"。或进入交互模式：bun run open-browser interactive。CLI 常用选项：--model、--provider、--headless、--max-steps。
这个 Agent 有哪些优点和局限？
- 支持多种 LLM 提供商（OpenAI、Anthropic、Google），可灵活切换。
- 内置沙箱执行，支持资源限制、超时和域名限制，适合安全运行。
- 丰富的 CLI 和交互式 REPL，便于调试和快速原型。
- 生产级特性：故障检测、成本追踪、会话管理、录制回放。
- 依赖 Bun 运行时，可能对不熟悉 Bun 的开发者有学习成本。
- 需要配置至少一个 LLM API 密钥，每个任务可能产生 API 费用。
- 网络访问是必需，不能用于离线环境。
这个 Agent 与同类方案有什么区别？
与 Playwright 等传统浏览器自动化框架相比，Open Browser 将 LLM 决策集成到流程中，使得任务描述更自然，无需编写选择器脚本。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Open Browser 当前 | 47 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 9.6k | 6 个月前 | TypeScript | ChatGPT · Claude.ai · OpenAI API · Claude API |
| OpenCLI 浏览器自动化命令行 | 49 · 缺口较多 | 命令行工具免费 | ★ 30k | 1 天前 | JavaScript | Claude Code |
| Opensteer | 49 · 缺口较多 | 命令行工具免费 | ★ 203 | 2 个月前 | Python | — |
| h5i —— 面向 AI Agent 的安全优先无头浏览器 | 84 · 表现良好 | 命令行工具免费 | ★ 788 | 今天 | Rust | Codex · Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：README 提到沙箱执行、资源限制、域名限制、超时等，表明有最小权限意识；但未提供用户确认机制（如危险操作需确认），也未明确数据流透明性（如哪些数据发送给 LLM）。敏感数据处理（如 API 密钥）仅通过环境变量管理，未说明加密或保护措施。依赖安全：使用 bun install，但未提供锁文件或依赖审计证据。外部影响：代理可执行点击、输入、导航等操作，可能产生外部副作用，但未提供撤销或回滚机制。来源归属：MIT 许可证和贡献者信息存在，但发布者未验证。因此，多数标准得分较低。
证据显示：README 和代码结构一致，包名和命令命名稳定，表明自洽性较好。依赖可用性：使用 Playwright 和 Vercel AI SDK 等常见依赖，但未提供版本锁定或镜像信息。失败消息：README 提到错误处理和 stall detection，但未提供具体失败消息示例。因此，自洽性和依赖可用性得分中等，失败消息得分较低。
证据显示：README 描述了多种使用场景（CLI、库、沙箱），受众明确（开发者）。能力边界：提供了 allowedUrls、blockedUrls、stepLimit 等配置，表明有边界控制。触发精度：自然语言任务描述，但未提供精确的触发条件或验证机制。环境适配：支持多种模型和浏览器配置，但未提供详细的系统要求。因此，多数标准得分中等。
证据显示：README 结构清晰，包含快速开始、架构、CLI 命令、配置等，信息架构良好。安装说明：提供了 bun install 和 .env 配置步骤。命名稳定性：包名和命令命名一致。示例和 FAQ：提供了多个示例，但无 FAQ。已知限制：未明确列出。许可证：MIT 许可证存在。版本和变更日志：未提供 CHANGELOG。维护责任：贡献指南存在，但未明确维护者。因此，多数标准得分中等，已知限制和版本变更日志得分较低。
证据显示：输出可用性：代理返回结果，CLI 提供截图、提取等功能，输出格式明确。边际价值：提供自主浏览能力，相比手动脚本有优势。成本效益：提供成本跟踪，但未提供性能基准或成本对比。因此，得分中等。
证据显示：README 中的声明（如生产就绪）未提供测试覆盖率或基准数据支持。跨来源验证：仅依赖 README，无独立验证。事实与推断分离：README 中区分了功能描述和架构图，但未明确区分事实和推断。因此，得分较低。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 未提供用户确认机制，代理可能执行不可逆操作（如提交表单、删除数据）。
- 未明确数据流透明性，用户无法知道哪些页面数据被发送给 LLM。
- 依赖安全未提供锁文件或审计证据，存在供应链风险。
- 未提供回滚或撤销机制，外部副作用无法恢复。
- 发布者未验证，来源归属不明确。
常见问题
支持哪些 LLM 提供商？
-p 参数指定。如何控制成本？
--max-steps 限制步骤数，并启用 --no-cost 隐藏成本追踪，但具体费用取决于模型和任务复杂度。