Browser Use 项目介绍

Browser Use 项目介绍

项目定位

Browser Use 是一个 AI 驱动的浏览器自动化框架，通过 LLM 和 Chrome DevTools Protocol (CDP) 赋予 Agent 自主浏览网页、交互并完成复杂任务的能力。一句话概括：“告诉你的电脑该做什么，它就自动完成。“

核心能力

• Agent 自主循环：Agent 接收自然语言任务，自主分解、规划、执行浏览器操作，无需逐步指令
• 多模型支持：内置 OpenAI、Anthropic、Google、Groq、Ollama 等 10+ LLM Provider 抽象，支持故障转移
• CDP 深度集成：通过 cdp-use 库直接与 Chrome DevTools Protocol 通信，非 Playwright/Selenium 包装层
• 事件驱动架构：基于 bubus 事件总线协调多个 watchdog 服务，实现浏览器状态的实时监控与响应
• 自定义工具扩展：通过 Tools 类注册自定义动作，支持结构化输出、Skill 系统集成
• 生产级特性：CAPTCHA 处理、代理轮换、多标签页管理、文件下载追踪、循环检测、消息压缩
• Cloud 平台：提供 Browser Use Cloud 服务，处理 stealth 浏览器、代理轮换、CAPTCHA 解决和规模化执行
• MCP 集成：既可作为 MCP Server 暴露浏览器能力，也可连接外部 MCP Server 扩展 Agent 功能
• CLI/TUI：提供命令行工具用于快速浏览器自动化调试

技术栈

组件	技术
语言	Python 3.11+ (异步)
浏览器通信	CDP (Chrome DevTools Protocol) via cdp-use
事件总线	bubus
数据验证	Pydantic v2
构建工具	uv + hatchling
LLM 抽象	OpenAI SDK, Anthropic SDK, Google GenAI, Groq, Ollama 等
类型检查	pyright (basic)
代码质量	ruff (lint + format)
测试	pytest + pytest-asyncio

架构概览

快速体验

# 1. 创建项目并安装 browser-use
uv init && uv add browser-use && uv sync

# 2. 设置 API Key
# .env
# BROWSER_USE_API_KEY=your-key

# 3. 运行第一个 Agent
python -c "
import asyncio
from browser_use import Agent, Browser, ChatBrowserUse

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

asyncio.run(main())
"

教程导读

本教程分为 AI 应用 和 编程核心 两大板块：

AI 应用教程（ai/）

聚焦如何从 LLM 应用角度使用 Browser Use：

• Agent 核心循环与 ReAct 模式的落地实现（Agent 核心循环设计）
• 工具调用的协议设计（工具调用协议与执行模型）
• 多模型适配与故障转移策略（多模型适配架构）
• 上下文压缩与 Token 优化（上下文压缩与 Token 优化）
• 安全沙箱与浏览器隔离（安全沙箱设计）
• 系统提示工程实践（系统提示组装策略）

编程核心教程（dev/）

聚焦 Browser Use 源码中的工程实践：

• 事件驱动架构与 bubus 事件总线
• Watchdog 服务模式设计
• CDP 协议封装与 typed CDP 客户端
• DOM 提取与无障碍树生成
• 异步工具注册表与动态 Pydantic 模型
• 测试策略与 CI 实践