Browser Use 是一个让 AI 像人一样操作浏览器的开源智能体框架——你用自然语言描述任务，它便自动打开网页、点击按钮、输入文字、填写表单，一站式完成多步骤的网页操作。
一、项目简介
🌐 Make websites accessible for AI agents. Automate tasks online with ease.
Browser Use 把”浏览器”变成 AI Agent 可直接操控的环境。它目前拥有 10.5 万+ Star（Python 编写，MIT 许可），并在 Odyssey 长程网页任务榜上以 87.4% 的平均成功率排名第一，超越了 OpenAI、Anthropic、Google、Microsoft 各自的 computer-use 方案。它既是给现有编码 Agent（Claude Code / Codex / Cursor 等）即插即用的”浏览器技能”，也是可规模化调用的 Python 库。
二、安装要求与过程
环境要求：
- Python ≥ 3.11（官方推荐 3.12，可用
uv 管理）
- 本地无需额外安装 Chromium，Browser Use 会按需驱动 Playwright 浏览器
- 一个 LLM API Key（Browser Use 云、OpenAI、Anthropic、Google，或本地 Ollama 模型均可）
快速安装：
- 安装库：
pip install browser-use （或 uv add browser-use）
- 在
.env 中配置 Key：
BROWSER_USE_API_KEY=your-key 或 ANTHROPIC_API_KEY=... / GOOGLE_API_KEY=...
- 运行你的第一个 Agent：
import asyncio
from browser_use import Agent, ChatBrowserUse
async 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()
asyncio.run(main())
若你已在使用 Claude Code / Codex / Cursor 等编码 Agent，只需让 Agent 执行一次 browser-use skill install，即可把浏览器能力挂载到现有工作流中，无需自己写代码。
三、核心功能
- 自然语言驱动浏览器：自动打开页面、点击、输入、填表、翻页，把”多步骤网页操作”压缩成一句话指令。
- 双形态接入：CLI 模式配合已有 Agent 即装即用；Python 库模式支持定时、并行、嵌入自有产品，细粒度控制浏览器。
- 多模型统一接入：
ChatBrowserUse 用 provider/model 前缀即可切换 OpenAI / Anthropic / Google，或走本地 Ollama 模型，一个 Key 通吃。
- 强扩展能力：支持自定义 Tools、MCP 协议，云端版更提供 1000+ 集成（Gmail、Slack、Notion 等）与持久化记忆。
- SOTA 级表现：Odyssey 200 项长程网页任务榜第一（87.4%），官方基准在 100 个真实任务上开源可复现。
四、典型使用场景
1. 自动填表与办事
让 Agent 带着你的简历信息自动填写并投递职位申请、注册账号、提交各类在线表单。
2. 网页数据采集
从任意网站抽取结构化数据并导出为 CSV，例如”抓取我关注者的资料并整理成表格”。
3. 网站 QA 自动化
对本地站点做可用性、视觉一致性与 Bug 巡检，自动产出测试报告，替代部分人工回归测试。
五、推荐理由
作为重度网页操作用户，我对 Browser Use 最大的感受是”把重复劳动还给机器“——订票比价、表单填报、定点抓取这类机械活，原来要人守着点半小时，现在一句话交代清楚就能后台跑。
它开源免费、本地可控，隐私敏感的任务完全可以在本机跑；遇到强反爬、验证码场景再切到云端（代理轮换 + 隐身指纹 + 验证码破解）。对开发者而言，Python 库 + 自定义 Tools + MCP 的扩展性，让它不只是玩具，而是能真正嵌进产品的浏览器自动化底座。如果你已经在用 Cursor / Claude Code，强烈建议装一下它的 skill 体验。
六、下载地址
（本文配图来自项目官方 README，版权归 Browser Use 团队所有。）
