Browser Use

Browser Use - AI 浏览器自动化

Browser Use 是一个让 AI 能够控制浏览器自动化执行任务的工具。

已安装命令

全局可用的命令：

• browser-use - 主要命令行工具
• browser-use-tui - TUI 界面
• bu - 快捷命令

快速开始

1. 安装 Chromium（首次使用）

browser-use install

2. 运行第一个任务

# 使用命令行直接执行
cd /Users/kirigaya/project/qqbot/Tiphareth && browser-use task "查找 browser-use GitHub 仓库的 star 数量"

# 或使用项目中的 Python 脚本
python scripts/browser_agent.py "查找 browser-use GitHub 仓库的 star 数量"

3. 生成模板代码

# 默认模板
browser-use init --template default --output ./browser_agent.py

# 高级模板（包含所有配置选项）
browser-use init --template advanced --output ./browser_agent_advanced.py

# 工具扩展示例
browser-use init --template tools --output ./browser_agent_tools.py

CLI 命令参考

浏览器控制

# 打开网页
browser-use open https://github.com/browser-use/browser-use

# 查看当前页面可点击元素
browser-use state

# 点击元素（通过索引）
browser-use click 5

# 输入文本
browser-use type "Hello World"

# 在特定元素输入
browser-use input 3 "搜索内容"

# 截图
browser-use screenshot page.png

# 返回上一页
browser-use back

# 滚动页面
browser-use scroll down
browser-use scroll up

# 关闭浏览器
browser-use close

任务执行

# 执行完整任务
browser-use task "在 GitHub 上搜索 browser-use 并获取 README 内容"

# 使用特定会话
browser-use task --session my-session "访问 example.com"

# 使用有头模式（显示浏览器窗口）
browser-use task --headed "访问 example.com"

其他命令

# 切换标签页
browser-use switch 1

# 关闭标签页
browser-use close-tab

# 获取 Cookie
browser-use cookies

# 等待页面加载
browser-use wait 3

# 执行 JavaScript
browser-use eval "document.title"

# 提取页面数据
browser-use extract "所有链接"

# 鼠标悬停
browser-use hover 5

# 双击
browser-use dblclick 5

# 右键点击
browser-use rightclick 5

Python API 使用

基础示例

from browser_use import Agent, Browser, ChatBrowserUse
import asyncio

async def main():
    browser = Browser()
    agent = Agent(
        task="Find the number of stars of the browser-use repo",
        llm=ChatBrowserUse(),
        browser=browser,
    )
    result = await agent.run()
    print(result)

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

使用其他 LLM

from browser_use import ChatOpenAI, ChatAnthropic, ChatGoogle

# OpenAI
llm = ChatOpenAI(model='gpt-4o')

# Anthropic
llm = ChatAnthropic(model='claude-sonnet-4-6')

# Google
llm = ChatGoogle(model='gemini-2-flash')

使用 Cloud 浏览器

browser = Browser(use_cloud=True)

环境变量配置

在项目 .env 文件中添加：

# Browser Use Cloud API Key（可选，用于 cloud 模式）
BROWSER_USE_API_KEY=your-api-key

# 其他 LLM API Keys
OPENAI_API_KEY=sk-xxx
ANTHROPIC_API_KEY=sk-ant-xxx
GOOGLE_API_KEY=xxx

项目脚本

项目提供了以下辅助脚本：

browser_agent.py

基础 Agent 脚本，执行单个任务：

python scripts/browser_agent.py "你的任务描述"

web_scraper.py

网页抓取专用脚本，提取结构化数据：

python scripts/web_scraper.py "https://example.com" "提取所有文章标题和链接"

自定义工具

from browser_use import Tools

tools = Tools()

@tools.action(description='Save data to file')
def save_data(filename: str, content: str) -> str:
    with open(filename, 'w') as f:
        f.write(content)
    return f"Saved to {filename}"

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

注意事项

1. 首次使用：需要先运行 browser-use install 安装 Chromium
2. API Key：如果使用 Browser Use Cloud，需要设置 BROWSER_USE_API_KEY
3. 会话保持：CLI 命令会保持浏览器会话，可使用 --session 指定不同会话
4. 代理设置：如需代理，可在代码中配置 Browser 实例

参考资料

• 官方文档：https://docs.browser-use.com
• GitHub：https://github.com/browser-use/browser-use
• 详细 API 文档见 references/api.md