关于 Browser Use
Browser Use 是 browser-use 团队 2024 年 10 月开源、采用 MIT 许可的 Python 框架, 主张「让网站对 AI Agent 可用」。它把浏览器交给大模型驱动: 用户用自然语言描述任务, Agent 观察页面、规划步骤并自动点击、输入、翻页。项目采用开源内核加托管云的模式, 框架本身完全免费自托管。
技术路线上, 它以 Playwright 为底层浏览器驱动, 兼容 Chromium、Firefox 与 WebKit, 并通过截图视觉与精简 DOM 抽取的双通道感知页面, 把状态压进模型上下文以控制 token。Agent 支持多标签页、拖拽、表单填写与错误自动重试, 并针对任务微调了专用模型以提升稳定性。
参数与价格速览
| 模型 | 模型无关: 支持任何具备 function calling 能力的 LLM, 常见搭配 OpenAI、Anthropic、Gemini、Groq, 本地可经 Ollama 跑开源模型, 官方云另提供网页任务微调模型。架构由 Playwright 驱动浏览器, 感知与规划循环把视觉截图与清洗后的 DOM 双通道输入模型, 支持 MCP 接入外部工具。 |
|---|---|
| 上下文长度 | 开源 Python 库, 自行安装运行 (需 Python 3.11+), 通常作为脚本或服务常驻在本地或自有服务器, 可无头运行; 官方另提供托管云平台, 免运维、支持并发与代理, 按用量计费。 |
| 国内访问 | 可直接访问 |
| 免费额度 | 框架本体 MIT 许可、完全免费, 自托管无任何功能或用量限制。官方云为免费起步加按量付费: 注册可获少量免费额度, 每次充值最低 $5, 额度不过期、无订阅; 并发上限随累计消费提升。 |
| API 价格 | 云版无订阅制, 按用量付费: 浏览器约 $0.02/小时, 住宅代理 $5/GB, 自有代理 $0.20/GB; 使用官方 AI Agent 时按模型 token 原价加收约 20% 服务费, 浏览器时长与流量另计。充值最低 $5 且不过期, 并发额度随累计消费逐级放宽, 具体以官网定价页为准。 |
| 上线时间 | 2024-10 |
优缺点
优点
1) MIT 许可、完全开源, 自托管零成本且不锁定厂商, 是模型中立度最高的浏览器 Agent 框架之一, 社区活跃、迭代极快; 2) 用自然语言替代选择器脚本, 对页面改版的适应性远好于传统自动化, 视觉加 DOM 双感知在 token 消耗与准确率之间取得平衡; 3) 以 Playwright 为底座, 天然支持多浏览器、多标签页与 MCP, 并从自托管到托管云有平滑升级路径.
缺点
1) 每次动作都依赖 LLM 推理, 速度快不起来, 长任务的 token 成本与延迟都显著高于确定性脚本; 2) 在强 JS 渲染或风控严格的站点 (验证码、指纹检测) 上失败率明显上升, 可靠性仍需人工兜底; 3) 云版默认使用用户输入训练模型且标准档无退出选项, 敏感数据须改走自托管, 而自托管要自行管理浏览器、代理与并发设施.
适合人群与场景
需要用 AI 完成网页信息采集、表单填报、登录后流程操作、跨站比价等「难以写死规则」任务的技术团队与个人开发者, 尤其是已有 Python 技术栈、想把网页能力接入自有 Agent 产品的团队.
相关链接
常见问题
Browser Use 和传统 RPA/脚本自动化有什么区别?
传统自动化依赖写死的 CSS 选择器或 XPath, 页面一改版脚本就失效; Browser Use 让大模型实时看懂页面再决定动作, 面对结构变化的网站容错性更强, 不必为每个站点写规则。代价是每次操作都要调用模型推理, 速度更慢、单次成本更高, 复杂长链路任务未必百分百可靠。
支持哪些模型? 必须联网吗?
框架本身不绑定模型, 凡具备函数调用能力的模型都可用, 如 OpenAI GPT 系列、Anthropic Claude、Google Gemini、Groq, 也可通过 Ollama 接本地模型。自托管完全免费, 但实操中仍需联网访问所选模型服务 (本地模型除外), 并需要自备浏览器环境与 API Key。
Browser Use 的同类替代品
以下是同场景的其他主流 AI 工具,可作为 Browser Use 的备选方案。 想一次看完,见 全部AI Agent 与自动化平台。