dalao.ai

Browser Use

让 AI 智能体也能用网页开源

关于 Browser Use

Browser Use 是一个开源 Python 库，让大语言模型像人一样操作浏览器：读页面、点按钮、填表单，把一句自然语言任务变成一连串网页动作。库本身以 MIT 许可证免费使用，可以接 OpenAI、Anthropic、Google 等商用模型，也能接本地的 Ollama。背后的同名公司出自苏黎世联邦理工学院，是 YC 2025 冬季批次成员，2025 年 3 月拿到 1,700 万美元种子轮，靠托管的云浏览器和智能体 API 赚钱。

编辑部更新于 阅读约 10 分钟

它解决什么问题

大语言模型很会写字，却不会用网页。很多事情只能在网页上做：订票、查政府名单、下载账单、在没有 API 的后台里填表。传统做法是写 Selenium 或 Playwright 脚本，按选择器一步步点，网站一改版脚本就坏。Browser Use 想让模型自己看懂页面、自己决定下一步。

它的工作方式是一个循环：库把当前页面整理成模型能读的状态，包括截图，以及带编号的可交互元素清单（DOM 和无障碍树的精简版）；模型读完任务和页面状态，返回下一步动作，比如点第 12 号元素、输入文字、滚动或提取内容；库执行动作，再把新页面交给模型，直到任务完成或达到步数上限。官方模型卡对自家 bu-2-0 模型的输入输出描述就是这样一个循环。

浏览器控制层在 2025 年 8 月做过一次大改：官方 changelog（2025-08-19）宣布所有交互改为直接走 Chrome DevTools Protocol（CDP），不再依赖 Playwright，随 0.6.0 发布。现在 pyproject.toml 里的核心依赖是自家的 cdp-use，外加 OpenAI、Anthropic、Google GenAI、Groq、Ollama 等模型 SDK 和 MCP；没有 Playwright，也没有 LangChain。

谁做的：创始人是 Magnus Müller（CEO）和 Gregor Žunič（CTO），两人都在苏黎世联邦理工学院（ETH Zurich）读数据科学（YC 公司页）。据 TechCrunch（2025-03-23）报道，项目 2024 年起步于 ETH Zurich 的 Student Project House，两人用五周做出演示后开源；2025 年初 Manus（Butterfly Effect 公司）的智能体演示让它出圈，W25 批次里有 20 多家公司在用。公司随后拿到 1,700 万美元种子轮，由 Felicis 领投，Paul Graham、A Capital、Nexus Venture Partners 跟投。

产品线现在分三层。最底层是这个 MIT 开源库；中间是给编程智能体用的命令行工具，包括 Browser Use CLI 和独立仓库 Browser Harness；最上层是收费的 Browser Use Cloud，官方定价页把它分成两块：Browser Use Agents（交任务、拿结果，当前是 API V4）和 Browser Infrastructure（托管的反检测浏览器，开发者用 SDK、REST 或 CDP 自己接）。2026-06-09 发布的 0.13.0 还加了一个用 Rust 重写的测试版智能体（from browser_use.beta import Agent），发布说明强调原有 Python 智能体不变。

时间线：仓库创建于 2024-11-01，GitHub Releases 上的首个版本 0.1.0 发布于 2024-11-07。截至 2026-10-26，GitHub 标为 Latest 的是 0.13.13，发布于 2026-10-16 07:50 (UTC+8)。

The open-source browser agent.

Browser Use README

核心能力

几行代码起一个智能体。 安装后写 Agent(task=..., llm=...)，再 await agent.run() 即可。库自带 OpenAI、Anthropic、Google、Groq、Ollama 等模型的适配，也可以用官方的 ChatBrowserUse。README 推荐自家模型 bu-2-0，模型卡写明它发布于 2026-01-27，是专门做浏览器决策的混合专家（MoE）模型，不是通用聊天模型。

直接走 CDP。 2025 年 8 月起，浏览器控制完全基于 Chrome DevTools Protocol。官方博客（2025-08-20）解释，Playwright 要多经过一层 Node.js 服务器的 WebSocket 中转，智能体每一步要发出成千上万次 CDP 调用去查元素位置、透明度、事件监听等信息，这层延迟很可观；改走原生 CDP 后，元素提取、截图和默认动作都变快了，也有了跨域 iframe 支持。

省钱的重放。 agent.save_history() 可以把一次成功的运行存下来，之后用 load_and_rerun() 按原步骤重放，不再每一步调用模型；README 提醒保存的页面快照和结果里仍可能含有敏感信息。配合 sensitive_data 参数，密码等机密在提示词里会以占位符出现。

命令行和编程智能体。 0.12.3（2026-03-24）发布了 Browser Use CLI 2.0，通过常驻进程直接走 CDP，发布说明称每条命令约 50 毫秒延迟、「快 2 倍、少用 50% token」（官方自测，来源同一发布说明），目前只支持 Chrome。独立仓库 Browser Harness 是让 AI 智能体控制用户本机浏览器的命令行工具，截至 2026-10-25 有 18,594 星。库还能作为本地 MCP 服务器运行。

跟上大模型厂商的浏览器工具。 0.13.11（2026-10-07）加入面向 Claude 的工具集，README 称包含 31 个浏览器动作，但发布说明承认需要的 anthropic.tools.browser 在公开版 Anthropic SDK 里还没有；0.13.13 加入 OpenAI 浏览器工具驱动，默认 18 个工具外加 6 个可选工具，需要安装 openai-tools 附加包和 3.31 以上的 OpenAI Python SDK。这两项都要看上游 SDK 是否就绪。

云端浏览器。 Browser Use Cloud 的浏览器支持住宅代理、验证码处理、配置文件同步（README 说明只同步 Cookie），每个会话有实时画面地址可供人工接管，可录制 mp4，单个会话最长 240 分钟。定价页称已通过 SOC 2 Type II 审计，企业项目可开 HIPAA 模式。

和同类比

星标数均来自 GitHub API，截至 2026-10-25。

Stagehand（Browserbase）：MIT 许可，25,803 星，提供 TypeScript、Python 等 SDK。它给开发者 observe、act、extract 这几个原语，确定的步骤可以写成代码，只把需要理解页面的部分交给模型。Browser Use 的 Agent 接收整项任务，由模型决定每一步。

Skyvern：AGPL-3.0 许可，23,266 星。同样用大模型加计算机视觉操作网页，提供兼容 Playwright 的 SDK 和面向非技术用户的无代码工作流编辑器，也有自己的云服务。

Playwright MCP（微软）：Apache-2.0 许可，38,592 星。它不是智能体，而是把浏览器操作暴露成 MCP 工具，由 Claude、Cursor 等客户端里的模型来调用。Browser Use 自己的 Browser Harness 与它定位重叠；Browser Harness 的 README 里有一组对照评测，称 Browser Harness 得分 60.4、Chrome DevTools MCP 61.0、Playwright MCP 60.0，差异不显著，Browser Harness 用的 token 最少（官方自测，来源 Browser Harness 的 README）。

托管浏览器厂商：Browserbase、Steel、Browserless、Hyperbrowser、Anchor、Kernel 等卖的是和 Browser Use Cloud 同类的云浏览器。Browser Use 在 2026-09-25 的 Stealth Bench V2 里称，在 100 个有反爬保护的网站各访问两次，自家通过率 90.5%，Anchor 82%、Kernel 80.5%、Browserbase 78.5%、Browserless 77.5%、Steel 74.5%、Hyperbrowser 73.5%，无头 Chrome 3%（官方自测，来源 browser-use.com/benchmarks/browsers）。同一页面也承认，这 100 个网站是按「Browser Use Cloud 历来能通过、普通 Chrome 过不去」挑出来的，不是均衡样本。官方的云浏览器对比页还提到 Browserless 和 Steel 可以自托管，Browser Use Cloud 不能。

Online-Mind2Web 成绩：官方称用自家评判模型得到 98%，排行榜上人工评分的最高成绩是 97.7%，官方自己说明两者评判方式不同、不能直接比较（官方自测，来源 browser-use.com/best-web-agents）。

谁在用，适合谁

采用数据（截至 2026-10-25）：GitHub 仓库 119,061 星、13,228 个复刻，GitHub 接口的 open_issues_count（含未关闭的 issue 与 PR）为 606。PyPI 下载量方面，pypistats 显示近一个月 8,061,974 次、近一周 1,329,646 次，按 UTC 统计，截至 2026-10-24；其中包含 CI 和镜像的自动下载，不等于用户数。

托管服务的用量只有官方自报。官方的网页智能体对比页称 2026-09-17 至 10-16 有 160 万次 API V4 运行，95.2% 跑完；其中 13,807 次开启了可选的模型评判，评判认为 64% 成功，官方自己说明这不是全部运行的成功率（官方自测，来源 browser-use.com/best-web-agents）。TechCrunch 报道过 Manus 用它做浏览器自动化；Browser Use 的案例页称，Hermes Agent 在未设置浏览器后端时默认使用 Browser Use（官方表述）。

适合谁

做智能体产品的 Python 开发者。需要让智能体去没有 API 的网站上办事，比如查政府名单、下载账单、填后台表单，Browser Use 提供了现成的感知、动作和循环，换模型只需要换一个 llm 参数。

需要大量云端浏览器的团队。Browser Use Cloud 提供带代理、验证码处理和反检测的托管浏览器，Playwright、Puppeteer 或任何 CDP 客户端都能接上，不必自己维护浏览器集群。

用 Claude Code、Codex、Cursor 等编程智能体的人。README 提供了一段可以直接粘给智能体的安装提示词，配合 browser-use skill install，可以让编程智能体操作用户已登录的 Chrome。

全部在本地跑的人。库可以用本地浏览器加 Ollama 本地模型，不经过任何付费服务，效果取决于硬件和模型。

不适合谁

流程固定、只需要稳定抓取的场景。每一步都要调用一次模型，速度和成本都比写死的 Playwright 脚本高，结果也不完全可复现。README 提供了保存历史后不调用模型重放的功能，但页面一变照样要模型兜底。

对数据外流敏感、又不改默认配置的团队。文档写明遥测默认开启，可能包含任务指令、访问的网址、动作轨迹和最终结果，只有设 ANONYMIZED_TELEMETRY=false 才会关闭。

需要自建云浏览器的团队。开源库可以本地跑，但 Browser Use Cloud 本身不能自托管；官方的云浏览器对比页写明只有企业客户可以找销售谈私有部署。

指望百分百绕过验证码的人。README 明确说没有任何浏览器配置能保证通过验证码。

上手路径

托管云：Browser Use Cloud 支持用 Google、GitHub 或微软账号注册，新账号送一次性 1 美元额度，任务可以在网页或 API 里提交。

用开源库需要 Python 3.11 或更高版本。模型卡给出的步骤是：uv pip install browser-use（或在项目里 uv add browser-use），再运行 uvx browser-use install 安装浏览器运行环境，并设置所用模型的 API 密钥；之后创建 Agent，传入任务和 llm，await agent.run()。云端浏览器通过把 Browser(use_cloud=True) 传给 Agent 启用。

编程智能体接浏览器的方式是 README 里的那段安装提示词：Claude Code 等工具拿到后会安装或升级 browser-use、运行 browser-use skill install 注册技能并连上用户的浏览器；安装失败时的排查步骤在 Browser Harness 仓库的 install.md 里。

Rust 版测试智能体通过 uv add "browser-use[core]" 安装，从 browser_use.beta 导入 Agent（0.13.0 发布说明）。Rust 版仍是 beta，稳定版是 Python 版智能体。

上线相关的两个设置：ANONYMIZED_TELEMETRY=false 关闭遥测，allowed_domains 限制智能体能访问的域名；CVE-2025-47241 在 0.1.45 修复。

定价与许可证

开源库以 MIT 许可证发布，版权署名 Gregor Zunic（2024），免费使用；模型调用费另算，用本地 Ollama 则不花钱。

Browser Use Cloud 按用量计费，以下据官方定价页（截至 2026-10-25）：没有订阅，充值的额度不过期；新账号送一次性 1 美元额度，免费档可同时开 10 个会话，只能用低价模型。浏览器每小时 0.02 美元，按分钟计费、最少 1 分钟；住宅代理每 GB 5 美元，直连或自带代理的流量每 GB 0.2 美元。BU 2.0 模型 API 每百万 token 输入 0.60 美元、缓存输入 0.06 美元、输出 3.50 美元；自带模型密钥（BYOK）要另付 0.2 倍的编排费。累计付款 100、1,000、5,000、25,000 美元，并发上限分别提升到 50、250、500、1,000，企业版另议。旧版的 API V2 按每步 0.006 美元起加每任务 0.01 美元计费。

定价页和 OpenAPI 规范的说法不一致：定价页写 API V4 默认模型是 gpt-5.6-luna（输入每百万 token 0.24 美元、输出 1.44 美元），而 API V4 的 OpenAPI 规范里 model 字段的默认值是 gpt-6-luna（GPT-6 Luna）。定价页标注的日期是 9 月 3 日，OpenAPI 规范只标版本号 4.0.0、不标日期。定价模式也变过：2025 年初 YC 发布帖里，托管版是每月 30 美元的订阅，现在改成纯按量计费，旧订阅仍可管理。

风险与局限

第一，遥测默认开启。变量名叫 ANONYMIZED_TELEMETRY，但文档写明收集的内容可能包括任务指令、访问的网址、动作轨迹、错误和最终结果，并可能用于生成去标识化的数据集。设置 ANONYMIZED_TELEMETRY=false 即可关闭。

第二，安全边界由使用者负责。2025-05-04 公布的 GHSA-x39x-9qw5-ghrf（CVE-2025-47241）指出，在网址的用户名部分放一个诱饵域名，就能绕过 allowed_domains 白名单，访问本机或内网服务；影响 0.1.44 及以下版本，0.1.45 修复。GitHub 公告评级为 Critical（严重），CVSS 3.1 评分 9.3；NVD 页面上的评分来自 CVE 编号机构 MITRE，为 4.0（中危），NVD 自己没有评分，状态为 Deferred（暂缓分析）。两个评分的向量不同：GitHub 认为攻击复杂度低、机密性影响高、完整性无影响、可用性影响低；MITRE 则认为攻击复杂度高、机密性无影响、完整性影响低、可用性无影响。另一类风险是提示注入：智能体读取的是任意网页内容。

第三，更新快、接口常变。底层从 Playwright 换到 CDP，又新增 Rust 测试版，Claude 和 OpenAI 工具集依赖上游 SDK。

第四，效果数据多为官方自测。Stealth Bench V2 的网站样本由官方挑选，Online-Mind2Web 用的是自家评判模型，生产环境 64% 的成功率也只覆盖开启评判的那部分运行。

第五，合规问题在用户这边。反检测浏览器、住宅代理和验证码处理能绕过很多网站的机器人防护，但是否违反目标网站的服务条款和当地法律，由使用者承担判断责任。服务条款对部分地区和用途有使用限制，以条款原文为准。

我们的判断

Browser Use 是用来构建上网办事的智能体的开源库，许可证为 MIT，模型可以更换。它的收费产品是云浏览器和托管智能体，开源库截至 2026-10-16 仍在发布新版本（0.13.13），宣传数字属于厂商自测。默认配置下遥测开启、没有域名白名单，版本变化快，成功率和成本因任务而异。

亮点

Browser Use 回答了一个很直接的问题：语言模型怎样才能点对地方？这个库把实时的 DOM 变成一份简洁、带编号的可交互元素清单，让模型围绕意图来推理，而不是盯着像素或原始 HTML。

Magnus Müller 和 Gregor Žunič 在苏黎世联邦理工学院读书时相识。据 TechCrunch 报道，两人用五周做出第一个演示后将其开源，几个月内就被大量智能体开发者采用。自 0.6.0（2025 年 8 月）起，它不再依赖 Playwright，改为直接通过 Chrome DevTools Protocol（CDP）控制浏览器；视觉兜底和结构化的动作空间都能在源码里看到。

它交给模型的是一份带编号的页面可交互元素清单，而不是像素或原始 HTML。

资料来源

官方

  1. browser-use/browser-use（GitHub）GitHub · 访问于 2026 年 10 月 25 日
  2. Browser Use READMEGitHub · 访问于 2026 年 10 月 25 日
  3. Browser Use LICENSE（MIT）GitHub · 访问于 2026 年 10 月 25 日
  4. Browser Use pyproject.toml（依赖清单）GitHub · 访问于 2026 年 10 月 25 日
  5. Browser Use 0.13.13 发布说明GitHub
  6. Browser Use 0.13.11 发布说明GitHub
  7. Browser Use 0.13.0 发布说明GitHub
  8. Browser Use 0.12.3 发布说明GitHub

动态与深度阅读

资讯odysseysbench.com

Browser Use 联合卡内基梅隆大学发布 Odysseys2：基于真实用户任务的长程网页智能体基准，最强智能体仅完整完成 47/100

Odysseys2 是卡内基梅隆大学与 Browser Use 发布的网页智能体基准，100 个任务来自 Browser Use 的真实用户请求分布，在真实互联网上运行，共 982 条评分细则。评测由 LLM 裁判结合智能体产出的文件、操作记录和截图打分，被判定为刷分的尝试记零分。在 15 个参评智能体中，GPT-6 Astra 居首，完整完成 47/100 个任务。

1 个来源 · X 上 1 条讨论