Browser-use 详细介绍 & 使用文档

Browser-use 详细介绍 & 使用文档

一、概述

Browser-use 是一个旨在将 AI “智能体”（Agents）与真实浏览器进行交互的 Python 库，可以轻松实现浏览器自动化。在配合 LLM（如 GPT 系列）使用时，浏览器-use 能够让你的智能体发起对网页的访问、操作页面元素、收集信息、执行脚本等，从而扩展 AI 应用的落地场景。

• GitHub: browser-use/browser-use
• 官网: browser-use.com
• 文档: docs.browser-use.com

目前 Browser-use 最低需要 Python 3.11 及以上，才能正常使用其封装的 Playwright 功能。

1. 技术栈:

• LangChain（AI Agent框架）
• Playwright（浏览器自动化）
• dotenv（环境变量 key）
• 异步I/O架构

2. 流程图

browser-use：语言模型 -> 决策/控制 -> 浏览器执行 -> 数据回传 -> 模型后处理

二、关键特性

1. 简单的 Agent 接口

通过 Agent 类即可快速创建带浏览器交互能力的智能体，赋能 LLM 与网页之间的复杂操作。

1.1. Agent 接口参数

2. 多语言模型支持

可轻松集成 LangChain 提供的各类 LLM（如 OpenAI、Anthropic、Cohere 等）进行高级任务管理。

3. 基于 Playwright

默认使用 Playwright 进行浏览器的无头启动、页面操作和渲染控制；对常见网页交互场景提供友好的抽象。

4. 云端版 & 本地版

除了本地安装运行外，Browser-use 也提供托管版本，可以直接在云端执行，无需配置本地环境。

5. Gradio UI 测试

内置示例可以利用 Gradio 搭建简易的可视化界面，方便开发者快速测试并可视化浏览器自动化流程。

三、环境准备

1. Python 版本

• 需要 Python 3.11 或更高版本。
• 推荐在独立虚拟环境(venv)或管理工具（如 uv）中配置环境。

1.1. 推荐使用 pyenv 管理 python

Github：https://github.com/pyenv/pyenv

# pyenv 根目录
export PYENV_ROOT="$HOME/.pyenv"
export PATH="$PYENV_ROOT/bin:$PATH"

# 初始化
eval "$(pyenv init -)"

2. 安装方法

2.1. 安装 browser-use

pip3 install browser-use

2.2. 安装 Playwright

playwright install

• 此操作会自动下载 Chromium 无头浏览器，用于后续的浏览器自动化。

2.3. 配置 LLM API Keys（可选）

• 在 .env 文件中填写相应的 OPENAI_API_KEY=、ANTHROPIC_API_KEY= 等 Key。

OPENAI_API_KEY=sk-xxxxxxx

• 如果使用其他 LLM，需要参考 LangChain 文档或对应服务提供的说明进行配置。

四、Demo 示例

1. 简单示例

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

import asyncio
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from browser_use import Agent

load_dotenv()

llm = ChatOpenAI(model="gpt-4o")

async def main():
    agent = Agent(
        task="打开 https://cn.vuejs.org/guide/essentials/computed，获取页面里所有的 h2 标签文本及所有的 a 标签文本（以及它的 href）",
        llm=llm,
    )
    result = await agent.run()
    print('result:',result)

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

1.1. 核心流程:

1. 从 .env 中读取 OPENAI_API_KEY 等信息，初始化 ChatOpenAI。
2. 创建一个 Agent，指定 task 即描述智能体要完成的任务。
3. 调用 agent.run() 发起执行，包括浏览器自动化与 LLM 结合的流程。

五、常见操作

1. 修改 LLM 模型

llm = ChatOpenAI(model="gpt-3.5-turbo")

或

llm = ChatOpenAI(model="gpt-4o")

2. 在 .env 中设置 API Key

OPENAI_API_KEY=sk-xxxx
ANTHROPIC_API_KEY=xxxxxx

如果你还需使用其他模型（如 Cohere、HuggingFace Hub），可一并配置对应的 Key，并在 Python 脚本中初始化相应的 LLM 对象。

3. 官方文档示例

在 docs.browser-use.com/introduction 可以找到更多场景示例，比如如何定制 browser-use 的 Tools、配合 PythonREPLTool 扩展执行 Python 脚本等。

六、UI 测试方式

如果你想通过简单的 UI（如 Gradio）来测试 Browser-use，官方示例提供了 examples/ui/gradio_demo.py。

1. 安装 Gradio

uv pip install gradio

2. 运行示例

python examples/ui/gradio_demo.py

打开终端提示的地址，就能看到一个简易的 web 界面，在界面中输入 task 等信息测试智能体。

七、常见问题 & 解决思路

• 报错：playwright not installed 或 executable path not found
  • 请确认已执行 playwright install chromium，且安装成功。
• Python 版本过低
  • Browser-use 要求 Python >= 3.11，如果你使用的是 3.10 或更低版本，需要升级环境。
• LLM 调用失败
  • 检查是否在 .env 中填写了正确的 API key，或你的 Key 是否仍在有效期内。
• UI Demo 启动后无法访问
  • 可能是端口占用，或者 Gradio 版本过旧。尝试更新 gradio 或换一个端口。
• 长时间卡住/超时
  • 检查网络环境，LLM 请求或浏览器加载是否耗时过长。

八、总结

Browser-use 让 AI 与浏览器的结合变得更便捷，能够快速构建出“会浏览网页、抓取信息、进行动态交互”的智能体。只需简单的配置与几行代码，就能让 LLM 自动处理网页操作，为项目带来更多可能性。

• 使用 Python >= 3.11；
• 安装并配置好 Playwright；
• 在主代码中初始化 Agent 并提供 LLM；
• 在 .env 中存放 API Keys；

九、参考

• GitHub: browser-use/browser-use
• 官网: browser-use.com
• 官方文档: docs.browser-use.com/introduction