browser-use,一个智能的 Python 库

大家好，我是木木。

今天给大家分享一个智能的 Python 库，browser-use。

browser-use

如果你已经开始把 AI Agent 放进日常工作流，迟早会碰到一个很现实的问题：网页不是 API，按钮、表单、弹窗、登录态和页面跳转都需要被可靠地“看见”和“操作”。browser-use 做的就是把浏览器变成 Agent 可以理解和调用的执行环境，让任务不只停留在生成文本，而是能继续往页面动作推进。

项目地址：https://github.com/browser-use/browser-use

官方文档：https://docs.browser-use.com

三大特点

浏览器可控

它把页面导航、点击、输入、截图、Tab 管理等动作封装成工具，适合需要操作真实网页流程的 Agent 任务。

工具可扩

除了内置动作，也可以把内部查询、业务校验、文件处理封装成自定义工具，让 Agent 不只会点页面。

边界清楚

可配置域名白名单、敏感数据、浏览器 profile 和远程浏览器，适合把实验脚本逐步推进到生产流程。

最佳实践

安装方式：python -m pip install browser-use==0.12.6

这类库最怕一上来就把 LLM、浏览器、账号和外部网站全部混在一起调试。更稳的方式是先把会话配置、可用动作、自定义工具和敏感数据边界拆开验证，再把 agent.run() 放进真实任务。下面三个例子都不调用外部账号，也不会真的消费模型额度。

功能一：先配置 BrowserSession 和可用工具

这段代码解决什么问题：在真正跑 Agent 前，先确认浏览器会话的运行模式、允许访问的域名，以及当前有哪些内置动作可用。这样能避免任务执行到一半才发现域名边界、上传动作或 profile 配置不符合预期。

importosos.environ["BROWSER_USE_SETUP_LOGGING"]="false"importimportlib.metadataasmdfrombrowser_useimportBrowserProfile,BrowserSession,Toolsprofile=BrowserProfile(headless=True,allowed_domains=["example.com","docs.browser-use.com"],user_data_dir="/tmp/browser-use-demo",)session=BrowserSession(browser_profile=profile,keep_alive=False)tools=Tools(exclude_actions=["upload_file"])print("browser-use version:",md.version("browser-use"))print("session id:",session.id[:8])print("headless:",session.browser_profile.headless)print("allowed domains:",", ".join(session.browser_profile.allowed_domainsor[]))print("built-in actions:",len(tools.registry.registry.actions))print("sample actions:",", ".join(sorted(tools.registry.registry.actions)[:6]))

这里没有启动真实浏览器，只是在构建任务前做一次配置体检。对生产任务来说，allowed_domains 尤其重要：它能把 Agent 的活动范围收窄到你允许的站点，避免模型误点到不该访问的页面。

功能二：给 Agent 注册业务动作

这段代码解决什么问题：很多自动化任务不只是“打开网页并点击按钮”，还需要查订单、验库存、写入内部系统。Tools 可以把这些能力注册成 Agent 可调用的动作，让网页操作和业务逻辑在同一个任务里协作。

importosos.environ["BROWSER_USE_SETUP_LOGGING"]="false"frombrowser_useimportToolsfrombrowser_use.agent.viewsimportActionResulttools=Tools()@tools.action("Return an internal order status by order_id")asyncdeflookup_order(order_id:str):status={"A-1001":"paid","A-1002":"review"}.get(order_id,"missing")returnActionResult(extracted_content=f"{order_id}: {status}")actions=tools.registry.registry.actionsprint("custom action exists:","lookup_order"inactions)print("description:",actions["lookup_order"].description)print("total actions:",len(actions))print("production tip: keep credentials in files, not prompts")

这个模式适合把内部能力做成很小的、可审计的工具。我的建议是：动作描述写清楚输入输出，敏感凭证只从本地配置或密钥系统读取，不要直接塞进 prompt；同时给写操作加确认或幂等保护。

环境与版本信息

• Demo 环境：Windows 11，Python 3.11
• 本文安装的 browser-use 版本：0.12.6
• 当前包要求 Python：>=3.11,<4.0
• 关键依赖版本：pydantic 2.12.5、httpx 0.28.1、aiohttp 3.13.3
• LLM 相关依赖：openai 2.16.0、anthropic 0.76.0、google-genai 1.65.0
• GitHub 最近一次推送时间：2026-04-25T01:08:00Z

高级功能

这段代码解决什么问题：真实网页任务经常要填邮箱、手机号、Token 或临时密码。直接把这些值写进任务描述，容易被日志、模型上下文或调试输出带走。sensitive_data 更适合让任务只提“标签”，真实值由运行时按域名范围注入。

importosos.environ["BROWSER_USE_SETUP_LOGGING"]="false"frombrowser_useimportAgent,BrowserSession,BrowserProfilefrombrowser_use.llm.openai.chatimportChatOpenAIsensitive_data={"example.com":{"login_email":"reader@example.com","login_password":"not-in-prompt",}}browser=BrowserSession(browser_profile=BrowserProfile(headless=True,allowed_domains=["example.com"]))llm=ChatOpenAI(model="gpt-4.1-mini",api_key="demo-key-not-used")agent=Agent(task="Open https://example.com and fill login_email plus login_password.",llm=llm,browser_session=browser,sensitive_data=sensitive_data,)print("task mentions labels:","login_email"inagent.taskand"login_password"inagent.task)print("domain scope:",", ".join(sensitive_data))print("secret labels:",", ".join(sensitive_data["example.com"].keys()))print("real password exposed:","not-in-prompt"inagent.task)

这个例子只创建 Agent，不执行 agent.run()。真正接入时，API Key、账号密码和业务 Token 应该从本地配置文件、密钥管理服务或运行环境注入，并且要把日志级别、截图保存、浏览器 profile 生命周期一起纳入上线检查。

适用场景

• 你想让 AI Agent 操作真实网页，比如填表、后台录入、跨页面收集信息
• 你需要把浏览器动作和内部业务工具组合起来，而不是只做普通爬虫
• 你希望对访问域名、登录态、敏感数据和浏览器环境有更明确的控制

不适用场景

• 目标网站已经有稳定 API，直接调用 API 会更简单、更快、更可靠
• 任务对确定性要求极高，不能接受 LLM 对页面理解带来的波动
• 你只是做静态 HTML 抓取，requests、httpx、BeautifulSoup 或 Scrapy 已经足够

上线检查

1. 给 Agent 配好域名白名单、最大步骤数、超时和失败重试策略，不要让任务无限游走。
2. 敏感数据只从本地配置或密钥服务读取，日志和截图里不要泄露真实账号信息。
3. 对写入、提交、支付、删除等动作加人工确认或幂等保护，先在测试账号上跑通。

总结

browser-use 适合把 AI 从“会回答”推进到“会操作网页”。它不是普通爬虫替代品，而是给浏览器 Agent 准备的一套执行层。用好它的关键，是先把边界收紧，再让模型上手。