browser-use/browser-use · 上手攻略

• 仓库：browser-use/browser-use
• 链接：https://github.com/browser-use/browser-use
• 分类：ai
• 作者：Jay
• 更新：2026-07-11

这是什么

browser-use 是让 AI Agent 操作浏览器的 Python 库——AI 描述任务，浏览器替你完成：点按钮、填表单、滚动页面、抓取内容。2026 年 7 月 Stars 104k+，Odysseys 排行榜第一（87.4% 平均准确率），领先 OpenAI、Anthropic、Google、Microsoft 的同类产品。

有两种使用方式：CLI（给已有 Agent 如 Claude Code、OpenClaw 用，直接控制你的浏览器）和 Python 库（嵌入自己的软件，做规模化爬虫或自动化产品）。

解决什么问题

• 网页自动化无需写爬虫：描述你要做什么，AI 自己操作 DOM，不再需要 XPath/CSS 选择器
• 多步骤网页任务：填申请表、批量注册、跨网站数据汇总，AI 自己导航
• AI Agent 的眼睛：给 Agent 提供真实网页交互能力，不只是读 HTML
• 多 LLM 支持：一个 API Key（Browser Use Cloud）或自备 OpenAI/Anthropic/Google Key，都能用
• Benchmark 第一：Odysseys 200 个长程网页任务中 87.4% 完成率，工程化程度高

快速安装

Python 库安装

# uv（推荐）
uv add browser-use

# pip
pip install browser-use

要求：Python 3.11+

安装浏览器驱动

# 方式 A：使用 browser-use skill 安装（配合 OpenClaw、Claude Code 等 Agent）
browser-use skill install

# 方式 B：手动安装 Playwright 浏览器
playwright install chromium

# 方式 C：参考 browser-harness 安装文档
# https://github.com/browser-use/browser-harness/blob/main/install.md

配置 API Key

# .env 文件
# 方式 1：Browser Use Cloud（推荐，接入其优化过的 bu-* 模型）
BROWSER_USE_API_KEY=your-key

# 方式 2：自备其他 provider key
# ANTHROPIC_API_KEY=sk-...
# GOOGLE_API_KEY=...
# OPENAI_API_KEY=sk-...

获取 Browser Use Cloud API Key：https://cloud.browser-use.com/new-api-key

核心用法

方式一：Python 库（推荐用于开发自动化产品）

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'),
        # 也可用 bu-2.0（Browser Use 自优化模型）：
        # llm=ChatBrowserUse(model='bu-2.0'),
        # 或直接用 provider 前缀：
        # llm=ChatBrowserUse(model='anthropic/claude-sonnet-4-6'),
    )
    history = await agent.run()

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

支持的模型

一个 BROWSER_USE_API_KEY 可覆盖所有 provider（OpenAI/Anthropic/Google），不需要各自独立 Key。

自定义工具扩展

from browser_use import Agent, ChatBrowserUse, Tools

tools = Tools()

@tools.action(description='Description of what this tool does.')
def my_custom_tool(param: str) -> str:
    return f"Result: {param}"

agent = Agent(
    task="Your task",
    llm=llm,
    tools=tools,
)

方式二：CLI（给已有 Agent 使用）

如果你在用 Claude Code、OpenClaw、Cursor、Codex 等 Agent，把下面这段发给它即可：

Install or upgrade browser-use to the latest stable version with uv using Python 3.12, run browser-use skill install to register the skill, and connect it to my browser. If setup or connection fails, follow https://github.com/browser-use/browser-harness/blob/main/install.md. Then tell my agent what you want done.

CLI 的典型任务示例： - "Upload this video to YouTube" - "Compare these three laptops and give me a table with prices" - "Fill in this job application with my resume"

调度/并行任务（Python 库）

适合爬虫、监控、QA 自动化：

# 批量任务并行
tasks = ["任务1描述", "任务2描述", "任务3描述"]
for task in tasks:
    agent = Agent(task=task, llm=llm)
    asyncio.run(agent.run())

典型适用场景

1. 网页数据采集：不需要写爬虫规则，告诉 AI 采集什么，它自己导航翻页
2. 批量填表：职位申请、参会报名等重复性表单操作
3. UI 自动化 QA：自动跑网页端功能测试，截图记录结果
4. 价格监控：监控竞品网站价格变化，自动告警
5. 将浏览器能力接入 AI Agent：Claude Code/Cursor 等 Agent 不能操作网页？browser-use 补上这个缺口
6. 金融数据抓取：抓取财报、招股书、宏观数据，自建分析素材库

坑与注意

1. Python 3.11+ 强制：Python 3.10 及以下不支持
2. Cloud Key vs 自备 Key：Browser Use Cloud 的 bu-* 模型做了专项优化，速度/准确率优于通用模型，建议先用 Cloud Key 测试效果再决定
3. 反爬网站：Cloud 版本有代理轮换 + CAPTCHA 解决，自托管版本可能被检测
4. stealth 程度：官方 Cloud 版有专门的 stealth 优化，开源自托管版本视具体网站而定
5. 长任务可能超时：极长任务建议分段提交，避免单次 context 溢出
6. 并发控制：大量并行任务时注意系统资源占用，每个 Agent 实例约一个浏览器实例
7. /examples 目录：仓库的 examples/use-cases/ 目录下有多个参考代码（apply_to_job.py、buy_groceries.py 等），建议通读

与同类对比

browser-use 核心优势：开源 + Benchmark 第一 + 多 LLM + CLI 零门槛接入。如果你已经有 Claude Code/OpenClaw 等 Agent，不想改代码，直接装 CLI 就能让它操作浏览器。

一句话推荐

不管你是想给现有 Agent 装上"浏览网页"的能力，还是想自己写网页自动化脚本，browser-use 是 2026 年这个方向上工程化最完善、benchmark 表现最好的开源选择。