一份求职表要填半天，几十个商品要挨个翻价格，一堆数据要一条条复制粘贴。这些事不难，但很耗时间。
browser-use 是一个让 AI 像人一样使用浏览器的开源项目：打开网页、点击按钮、输入文字、填写表单、抓取数据。把要做的事用自然语言描述清楚，剩下的交给它执行。项目使用 Python 编写，MIT 协议，可以在本地运行，GitHub star 数已超过 11 万，是同类开源方案中关注度最高的之一。
这篇文章介绍 browser-use 适合做什么、两种用法如何选择、如何接入不同大模型，以及在 Python 中跑通第一个浏览器 Agent 的步骤。适合想用 AI 自动化重复网页操作的开发者。
browser-use 适合做哪些浏览器自动化任务
最直接的用途是那些自己做起来很烦的重复网页操作：
- 填写表单：把简历和个人信息交给它，它可以自动填完一整份求职申请，选好下拉框、补齐空白项。
- 抓取数据：让它到指定页面把关注列表整理成结构化数据并导出 CSV，它会自己翻页、提取和整理。
- 商品比价：给它三个商品链接，让它对比价格并列出表格，它会逐个打开页面再汇总。
这些任务的共同点是步骤不难但很磨人。人做需要一直盯着，交给 Agent 可以放手。
两种用法：Agent 技能与 Python 库
browser-use 有两种使用方式，适合的场景不同，上手前先分清。
作为技能装进 Claude Code、Codex 等 AI Agent
如果你已经在用 Claude Code、Cursor、Codex 或 OpenClaw 这类工具，可以把 browser-use 注册为一个技能。安装一次之后，直接告诉 Agent 要做什么，它就能操作浏览器完成。
官方提供了一段安装提示词，粘贴给 Agent 后，它会用 uv 在 Python 3.12 环境下安装 browser-use，并执行 browser-use skill install 注册技能，之后直接描述任务即可。
这种方式适合一次性的杂活，比如上传视频、填写申请、对比几样东西。
作为 Python 库写进自己的程序
如果要做可重复执行的自动化，例如批量抓取、定时监控、QA 测试，就使用 Python 库。几行代码可以启动一个浏览器 Agent，嵌入自己的程序，还能自定义工具和行为。
如何选择
| 场景 | 推荐用法 |
|---|---|
| 偶尔一次的临时任务 | Agent 技能 |
| 需要写进代码反复执行 | Python 库 |
接入 OpenAI、Claude、Gemini 或本地模型
browser-use 不绑定特定模型，原生支持多家 LLM 提供商，包括 OpenAI、Anthropic、Google 等主流服务，也可以通过 Ollama 运行本地开源模型，不产生 API 费用。
项目还提供了专门针对浏览器操作优化的自家模型，通过 ChatBrowserUse 调用。官方称它在相同任务上比通用模型快 3 到 5 倍。
切换模型通常只需改一行代码。例如使用 OpenAI 或 Anthropic 时，分别导入 ChatOpenAI 或 ChatAnthropic，再填入对应的模型名称即可，其余代码不用修改。可用的模型名称以官方支持模型文档为准。
快速上手：跑通第一个浏览器 Agent
1. 安装
browser-use 需要 Python 3.11 及以上版本。官方推荐使用 uv：
uv init --python 3.12
uv add browser-use
也可以使用 pip：
pip install browser-use
2. 配置 API key
在项目根目录的 .env 文件中填入所选模型的 API key。例如使用 OpenAI：
OPENAI_API_KEY=your-key
如果使用 browser-use 自家模型或云端浏览器，还需要配置 BROWSER_USE_API_KEY。
3. 编写并运行 Agent
import asyncio
from dotenv import load_dotenv
from browser_use import Agent, ChatBrowserUse
load_dotenv()
async def main():
agent = Agent(
task="查一下 browser-use 这个仓库有多少 star",
llm=ChatBrowserUse(),
)
history = await agent.run()
print(history.final_result())
asyncio.run(main())
运行后可以看到它自己打开浏览器、导航、查找信息，最后输出答案。
开源版和云服务的边界
browser-use 能成为热门的开源方案，主要因为足够简单、足够开放：几行代码就能起步，模型可以随意更换，既能本地运行也能上云。
需要注意的是，它背后有一套商业云服务，用于处理反爬、验证码和大规模并行等开源版难以解决的问题。
- 本机个人使用、做个人自动化：开源版完全够用。
- 上生产、跑大规模任务：大概率需要云服务，成本要提前评估。
如果你在找一个浏览器自动化的底座，browser-use 值得放进工具箱。