Browser-Use：让 AI Agent 操控浏览器，10万 Stars 的开源神器

Browser-Use：让 AI Agent 操控浏览器，GitHub 10万 Stars 的开源神器 - youtol.cn

AI Agent 现在能做的事情很多：写代码、分析数据、调用 API……但有一件事一直做不好——真正操控浏览器。Click 这个按钮、填那个表单、在某个下拉菜单里选一个值，这些对人类来说再简单不过的动作，之前的 Agent 大多靠 DOM 选择器硬写，一遇到页面改版就挂了。

Browser-Use 解决这个问题。GitHub 10 万 Stars，MIT 许可证，用自然语言描述任务，AI Agent 直接操控你的浏览器——点击、滚动、填表、截图，一条命令搞定。今天聊聊这东西为什么这么火。

Browser-Use 封面图

是什么

Browser-Use 是一个开源的 AI 浏览器自动化框架，本质上是给 AI Agent 提供了一个真实的浏览器操作空间。你可以理解为：传统 Selenium/Playwright 是人来写脚本，Browser-Use 是 AI 来执行脚本。

它底层基于 Playwright，由 browser-use 团队开发并开源（MIT License）。核心思路是：让大模型看到网页截图，理解页面结构，自己决定下一步该点哪里、填什么。模型不需要知道 DOM 选择器——只需要理解任务、观察页面、执行动作。

核心功能

自然语言驱动，零选择器依赖

这是 Browser-Use 和传统自动化工具最大的区别。写一个任务描述，Agent 自己观察页面、自己规划下一步、自己执行。不用写 `driver.find_element(By.XPATH, ...)` 这种东西。

agent = Agent(
    task="找到 GitHub 浏览器 Use 仓库的星标数量",
    llm=ChatBrowserUse(model='openai/gpt-5.5'),
)
await agent.run()

0.13 版本：Rust 核心 + Browser Harness

今年刚发布的 0.13 版是一次大改版，引入了 Rust 核心运行时和一个 Browser Harness 系统。Harness 的核心灵感来自 coding agent——为模型提供持久化工具、恢复循环（失败后自动重试）、以及浏览器状态记忆。这让 Agent 在复杂多步骤任务中不再轻易迷路。

自研优化模型 BU-3

Browser-Use 还训练了自己的浏览器自动化模型 BU-3。在相同精度下，完成任务的速度是 GPT-4o / Claude Sonnet 等通用模型的 3-5 倍。成本也更低。BU-3 通过 `ChatBrowserUse(model='bu-3')` 调用，一个 API key 同时支持 GPT / Claude / Gemini / BU-3，无需分别配置。

多模型支持

不只是 BU-3，Browser-Use 也支持任何主流模型：

OpenAI GPT-5.5 / GPT-4o
Anthropic Claude Opus 4 / Sonnet 4
Google Gemini 3 Pro / Flash
本地 Ollama 模型

一个框架，所有模型都能用。换模型只需要改一行代码。

自定义工具扩展

用 `@tools.action` 装饰器把任意 Python 函数注册为 Agent 工具：

from browser_use import Tools

tools = Tools()

@tools.action(description='查询商品当前价格')
def get_price(product_id: str) -> str:
    return f"商品 {product_id} 的价格是 ¥99"

CLI 和 Claude Code 集成

命令行 `browser-use` 直接起一个交互式浏览器会话，支持截屏、输入、点击等操作。也支持 Claude Code Skill 安装，让 AI 编程工具直接操控浏览器。

云端版（可选）

官方提供 Browser Use Cloud，有 Stealth 浏览器（防检测 + 代理轮换）、可扩展基础设施、生产级部署方案。对 CAPTCHA 和反爬虫要求高的场景用云端版更省心。

能做什么

自动化填表：自动登录、填写表单、提交申请（适合 RPA 场景）
网页数据采集：AI 理解页面结构，抓取非标准布局的数据
客服自动化：自动在网页上操作完成用户请求（退订、改地址等）
端到端测试：用自然语言描述测试流程，Agent 自动执行
AI 编程助手扩展：让 Cursor / Claude Code 直接在真实浏览器中验证 UI
价格监控/竞品追踪：定时任务监控网页变化并告警

跟同类怎么比

Anthropic Computer Use——闭源，仅支持 Claude。如果只用 Anthropic 的模型，集成度更好；否则限制多。
OpenAI Operator——同样闭源且限制多。Browser-Use 是开源的，可以自托管、任意扩展。
UI-TARS（字节跳动）——也是开源的多模态 Agent 方案，但偏桌面 UI 操控，不专注于浏览器。
Skyvern / LaVague——更偏垂直场景的网页自动化，生态不如 Browser-Use 活跃。

Browser-Use 的优势在于：开源 + 生态最大 + 自研优化模型 + 多 LLM 支持，10 万 Stars 不是白来的。

一句话总结

Browser-Use 是目前 AI Agent 操控浏览器最成熟的开源方案——10 万 Stars、MIT 许可、Rust 核心提速、自研 BU-3 模型、多 LLM 兼容。想让你的 AI Agent 真正在网页上干活，这个库是标配。

GitHub：https://github.com/browser-use/browser-use
官网：https://browser-use.com
文档：https://docs.browser-use.com

标签：#Browser-Use #AI浏览器自动化 #Playwright #AI Agent #开源工具 #Claude Code #MCP

关注我，每期分享一个帮你省事的强大工具 🛠️

Browser-Use：让 AI Agent 操控浏览器，10万 Stars 的开源神器

是什么