browser-use¶

tags: #BrowserAgent #ComputerUse #Playwright #Python #CloudBrowser source: ai-knowledge-base/articles/2026-04-29-browser-usebrowser-use.json project: browser-use score: 技术深度8/10 | 实用价值9/10 | 时效性9/10 | 领域匹配9/10 | 综合 8.50/10

核心概念¶

browser-use 是一个开源 Python 框架，让 LLM Agent 能够通过 Playwright 控制浏览器执行网页操作任务。核心思路是将浏览器 DOM 抽象为 LLM 可理解的结构化状态（元素角色、名称、坐标），让模型决定下一步操作（点击、输入、滚动等），形成"观察→决策→执行"的闭环。

设计原理¶

分层架构：Browser-Use 将浏览器控制分为三层——Playwright（底层浏览器控制）、Agent（任务规划与状态管理）、LLM（决策引擎）。这种分离使得底层可以独立演进（支持 stealth、proxy rotation），上层可以灵活切换不同 LLM。

Open Source vs Cloud 策略：开源版本适合需要自定义 tools 和深度集成的场景，Cloud 版本（托管）在 100 个真实浏览器任务 benchmark 上成功率显著更高（内置 captcha solving、proxy rotation、persistent memory）。这种双轨策略既保证了社区传播，又通过 Cloud 变现。

DOM 抽象方式：不同于 naive 的 screenshot→VLM 方案，browser-use 将页面解析为结构化的 accessibility tree（元素角色+名称），大幅降低 token 消耗同时保留足够的操作信息。这是性能和成本的关键 trade-off。

2026-05-16 更新：Cloud Browser & CLI & Skills¶

ChatBrowserUse内置模型：专为浏览器自动化优化的模型，平均完成任务速度比其他模型快3-5x
定价：Input $0.20/M tokens, Cached $0.02/M, Output $2.00/M
CLI模式：browser-use open/state/click/type/screenshot/close 提供命令行持久化浏览器自动化
Cloud Browser：use_cloud=True 启用远程反检测浏览器，支持代理轮换和验证码解决
Claude Code Skill：~/.claude/skills/browser-use/SKILL.md 让Claude Code具备浏览器自动化能力
模板系统：uvx browser-use init --template default/advanced/tools 快速生成项目
自定义Tools：@tools.action 装饰器注册自定义浏览器操作

关键实现¶

from browser_use import Agent, Browser, ChatBrowserUse
import asyncio

async def main():
    browser = Browser(
        # use_cloud=True,  # 启用Cloud反检测浏览器
    )
    agent = Agent(
        task="Find the number of stars of the browser-use repo",
        llm=ChatBrowserUse(),  # 内置优化模型
        browser=browser,
    )
    await agent.run()

自定义 Tools： python from browser_use import Tools tools = Tools() @tools.action(description='Description of what this tool does.') def custom_tool(param: str) -> str: return f"Result: {param}" agent = Agent(task="Your task", llm=llm, browser=browser, tools=tools)
CLI模式：browser-use open https://example.com
认证方案：支持复用Chrome profile、AgentMail临时账号、远程profile同步
Benchmark：100 个真实浏览器任务的开源评估集 browser-use/benchmark

关联分析¶

与 OpenClaw 的 browser 工具对比：browser-use 更专注浏览器自动化，OpenClaw 是全功能 Agent 框架
与 trycua-cua 对比：CUA 更通用的 Computer Use，browser-use 专注 Web 场景，DOM 级控制更精细
相关概念：Self-RAG（检索增强决策）

可执行建议¶

评估 browser-use 作为 Web Agent 基座：如果需要构建网页自动化 Agent（爬虫、表单填写、数据采集），browser-use 是目前最成熟的开源方案
自定义 tools 扩展：继承 BaseTool 添加业务特定操作（如数据提取、登录流程封装），比纯 prompt 指令更可靠
Cloud vs 自建决策：需要反检测/大规模并发 → Cloud；需要数据隐私/深度定制 → 开源自建
ChatBrowserUse模型：专为浏览器优化，性价比高（$0.20/M input），适合批量Web自动化场景
参考 benchmark 方法论：其 100 任务评估集可作为 Web Agent 能力评估的参考标准

自评¶

维度	分数	权重	加权
摘要质量	8.5	0.25	2.13
技术深度	7.5	0.25	1.88
相关性	9.0	0.20	1.80
原创性	7.5	0.15	1.13
格式规范	9.0	0.15	1.35
加权总分			8.28

评分依据：ChatBrowserUse内置模型和Cloud Browser是重要的产品化进展，CLI模式和Claude Code Skill降低了集成门槛。