开源AI自动操作浏览器自动化任务｜browser-use

browser-use 是一个用于浏览器自动化的 Python 库，旨在简化与浏览器的交互，自动化执行浏览器中的任务。它为开发者提供了一个高效、易于使用的框架，可以帮助自动化多种浏览器操作，如页面导航、元素交互、截图、表单填写等。

主要特点：

1. 跨浏览器支持：browser-use 支持多个常见的浏览器（如 Chrome、Firefox 等），可以在不同的浏览器环境中执行自动化任务，保证一致性。
2. 简洁的 API：该库提供了一个高层次的 API，使得用户可以使用更简单的命令进行浏览器操作，而不需要深入理解底层实现。只需关注任务的流程和目标。
3. 任务自动化：用户可以轻松地编写脚本，实现自动化任务。例如，自动化填充表单、点击按钮、导航到特定页面等，极大提高了工作效率。
4. 集成与扩展：browser-use 可与其他工具（如 pytest 等测试框架）结合使用，帮助用户实现端到端的自动化测试。
5. 支持浏览器插件：可以通过设置插件与浏览器交互，扩展功能，支持像广告屏蔽、性能分析等插件的操作。
6. 浏览器控制与验证：除了基础的自动化操作，browser-use 还提供了验证功能，允许开发者检查网页元素的状态、获取信息并进行验证。

典型使用场景：

• 自动化表单填写：模拟用户输入，自动填写注册、登录、订阅等表单。

• 抓取网页数据：自动化获取网页内容，执行爬虫任务，提取有用信息。

• 自动化测试：与 pytest 等框架结合，进行 Web 应用的自动化端到端测试。

• 浏览器行为模拟：模拟用户行为，如点击、滑动、键盘输入等，测试前端应用的响应。

项目仓库

GitHub：https://github.com/browser-use/browser-use

前置条件

在执行项目安装之前，我们还需要安装Git和Conda，如果您的电脑还未安装这几个软件，请先根据本站所给出的教程安装。

Windows系统安装Git请参阅此文章：

Windows系统安装Conda请参阅此文章：

网络问题

在安装过程中，你可能即便开启了魔法上网也无法下载一些编程依赖库，关于魔法上网的相关配置问题不方便在站内讲解，请自行查看【魔法上网】的教程内容。

安装教程

如果您是初学者，对于命令行不太理解，那么请按下键盘上的Win键+R键后，在弹出的新窗口内输入CMD并按下回车键，在CMD窗口中按顺序执行如下的每一条命令。

首先我们需要确认一个工作目录，用来存放该项目的相关环境依赖文件。本站所选择的目录为D盘的根目录下openai.wiki文件夹，完整路径为：D:\\openai.wiki。

在CMD中执行如下命令，这将会自动检测D盘是否在openai.wiki文件夹，没有则自动创建该文件夹。

if not exist D:\\openai.wiki mkdir D:\\openai.wiki

继续执行如下命令，在CMD中强制切换当前工作路径为D盘的openai.wiki文件夹。

cd /d D:\\openai.wiki

拉取该项目的Github仓库文件，将其下载至openai.wiki文件夹内。

git clone https://github.com/browser-use/browser-use.git

注意：如果您无法完成此步骤，执行后报错或者无法下载，可以下载该文件将其解压至D:\\openai.wiki即可。

环境部署

在CMD中执行如下命令，强制切换至browser-use的项目目录。

cd /d D:\\openai.wiki\\browser-use

在CMD中执行下面的命令行，创建Conda虚拟环境至该项目的目录中，方便日后重装系统也能够正常使用，无需重新部署环境。

conda create -y -p D:\\openai.wiki\\browser-use\\ENV python=3.11

初始化Conda环境，防止后续操作可能存在报错等问题。

conda init cmd.exe

激活已创建的Conda环境，这样可以将我们后续所需要的所有环境依赖都安装至此环境下。

conda activate D:\\openai.wiki\\browser-use\\ENV

执行如下命令，安装该项目的相关模块依赖库。

pip3 install browser-use

执行如下命令，安装该项目需要的pytest模块依赖库，主要用于自动化测试单元。

pip3 install pytest

最后，该项目还需要安装playwright，这是微软开发的开源浏览器自动化库，支持 Chromium、Firefox 和 WebKit 三大浏览器，执行如下代码即可自动安装。

playwright install

如果你希望以后使用web-ui来进行操作，需要执行下面的命令来安装相关依赖。

pip install gradio

运行方式

在以后每次运行该项目时，只需要先激活我们刚刚所创建的Conda虚拟Python环境，然后运行启动文件即可。

在CMD中执行如下命令，强制切换至项目目录文件夹。

cd /d D:\\openai.wiki\\browser-use

激活已创建的Conda环境，这样才可以正常使用该项目，否则将会自动调用系统中的默认Python。

conda activate D:\\openai.wiki\\browser-use\\ENV

使用教程

无界面版

执行如下代码，使程序启动。

from langchain_openai import ChatOpenAI
from browser_use import Agent
import asyncio
from dotenv import load_dotenv
load_dotenv()

# openai的api密钥
os.environ["OPENAI_API_KEY"] = "sk-5W3EaDIzFf0cg9XzF816Fb434bF84c359f13E5173b073181"
# 如果你不使用官方openai的官方api接口，可以使用以下方式自动定义，否则可忽略此处的设置。
# os.environ["OPENAI_API_BASE"] = "<https://api.openai.wiki>"

async def main():
    agent = Agent(
        task="转到 baidu.com，搜索“deepseek”，单击第一篇文章并返回第一条评论。",
        llm=ChatOpenAI(model="gpt-4o"),
    )
    result = await agent.run()
    print(result)

asyncio.run(main())

有界面版

在CMD中执行以下命令，启动Web-UI的浏览器界面。

python examples/ui/gradio_demo.py

运行完成后，稍等片刻，可以看到如下信息。

(D:\\openai.wiki\\browser-use\\ENV) D:\\openai.wiki\\browser-use>python examples/ui/gradio_demo.py
INFO     [browser_use] BrowserUse logging setup complete with level info
INFO     [root] Anonymized telemetry enabled. See <https://docs.browser-use.com/development/telemetry> for more information.
* Running on local URL:  <http://127.0.0.1:7860>

To create a public link, set `share=True` in `launch()`.

我们可以看到命令行中出现http://127.0.0.1:7860这一地址，这就是我们的浏览器界面地址啦，在浏览器中打开此网址，即可看到如下页面。

我们需要在其中输入Openai的API密钥，然后再输入任务即可，等待片刻自动输出结果。效果示例

效果示例

总结

这个WebUI的界面依然很简陋，后续本站将会推出更好的Web-UI教程，理论上应该就是下一篇。

效果还是不错的，比想象中的要好很多，复现也不复杂，而且官方给出了很多示例，代码全部在examples文件夹中，可自行翻阅。