前言¶

让模型去网页上点按钮、填表单、抓数据，是常见的一类需求。手写 Playwright 脚本要维护选择器、处理异步加载、保存登录态，工作量大且脆。Browser Use 的思路是把「下一步做什么」交给 LLM 推理，由库去驱动浏览器执行，开发者只需要描述任务目标。

下面介绍的 Browser Use AI Browser Automation Library，是在 SkillHub 上由社区发布者 user_3c6cb52e 打包的 skill，封装的是开源项目 Browser Use。它面向的就是「导航网站、填表、抽取结构化数据、跑带截图和有状态会话的浏览器工作流」这类任务。

这是什么¶

一句话定位：一个开源的浏览器自动化库 + Agent Skill，把 LLM 推理连接到真实的浏览器操作上，让你用自然语言描述任务，由模型决定点击、输入、滚动和提取。

• 出品/维护：底层 Browser Use 是开源项目（Python / TypeScript），SkillHub 上这个 Browser Use AI Browser Automation Library 由社区发布者 user_3c6cb52e 维护，坐标 @user_3c6cb52e/browser-use-ai-browser-automation-library，版本 1.0.0，来源标记为 community。
• 解决什么问题：省掉手写选择器、等待、登录态恢复的胶水代码，让 agent 自己规划浏览器操作序列。
• SkillHub 元数据：分类 ai-agent，标签 requires_api_key=false（基础使用不强依赖额外 API key），页面显示评分 100000、下载 896。

核心功能¶

只写已核实到的能力：

1、任务驱动的浏览器操作。用一段自然语言 task 描述目标，Agent 自主决定导航、点击、输入、滚动等步骤。
2、多步网页交互。可完成「找到可约时段、选日期、处理验证码、预约驾驶考试」这类多步流程。
3、结构化数据提取。把页面内容交给模型整理后返回，而不是只丢 HTML。
4、有状态会话与截图。支持复用浏览器会话、保留登录态，并可在云端浏览器上获得实时查看 URL。
5、本地与云端两种驱动。本地接 Chrome/Chromium 的 CDP 端点，也可切换到 Browser Use Cloud 的托管浏览器（含 stealth、住宅代理、验证码处理）。
6、CLI 与 Python 库两种入口。既可作为 skill 在 agent 里调用，也可在 Python 代码里直接 Agent(...).run()。

说明：SkillHub 简介把底层描述为「由 Playwright 驱动」；仓库当前 CLI 实现直接通过 CDP 控制本地 Chrome，并支持云端浏览器。两者指的是同一套 Browser Use 能力的不同接入方式。

安装与启用¶

作为 Python 库安装¶

需要 Python >= 3.11（官方推荐 3.12），用 uv 管理。这一步装的是开源库本体。

uv init --python 3.12   # 新项目先初始化
uv add browser-use      # 安装库

配置环境变量¶

基础用例接 OpenAI 模型；若要接 Browser Use 自家的 BU2 模型或云端浏览器，再填 BROWSER_USE_API_KEY。

# .env
OPENAI_API_KEY=your-key
# BROWSER_USE_API_KEY=your-key  # 可选：BU2 模型或云端浏览器

作为 Agent Skill 启用¶

官方 README 给出的 CLI 安装方式，是把 prompt 贴给 agent（Claude Code、Codex、Hermes、OpenClaw 等），让 agent 自己装并注册 skill：

Install or upgrade browser-use to the latest stable version with uv using Python 3.12,
run `browser-use skill install` to register the skill, and connect it to my browser.
If setup or connection fails, follow https://github.com/browser-use/browser-harness/blob/main/install.md.

SKILL.md 的 install 声明要求 browser-use 这个可执行文件，通过 uv 安装 browser-use 包提供。在 SkillHub 上使用时，按平台方式加载该 skill 即可，无需再改底层安装。

典型用法¶

Python 库：本地浏览器跑一个任务¶

保存为 agent.py，运行后 agent 会打开浏览器、访问目标仓库、把结果打印出来。

import asyncio

from browser_use import Agent, Browser, ChatBrowserUse, ChatOpenAI
from dotenv import load_dotenv

load_dotenv()

async def main():
    llm = ChatOpenAI(model='gpt-5.6-luna', reasoning_effort='xhigh')
    # llm = ChatBrowserUse(model='bu-2-0')  # 可选：用 BU2；需要 BROWSER_USE_API_KEY
    agent = Agent(
        task="Find the number of stars of the browser-use repo",
        llm=llm,
        # browser=Browser(use_cloud=True),  # 可选：云端浏览器；需要 BROWSER_USE_API_KEY
    )
    history = await agent.run()
    print(history.final_result())

if __name__ == "__main__":
    asyncio.run(main())

运行：

uv run agent.py

要切到云端浏览器，取消上面 browser= 那行的注释、在 .env 填好 BROWSER_USE_API_KEY 再跑即可，代码不变。云端按 $0.02/browser-hour 计费，另加网络流量。

CLI：直接在终端驱动浏览器¶

skill 的官方 SKILL.md 提供 heredoc 用法，helper 已预导入，通过本地 daemon 复用 Chrome 的一个标签页。

browser-use <<'PY'
print(page_info())
PY

注意：任务里第一次导航用 new_tab(url)，不要每个脚本都 new_tab()；daemon 会跨调用保留标签页，复用时用 switch_tab()。

适用场景与注意¶

适合：需要交互（点击/输入/跳转）的网页任务、依赖登录态的抓取、JS 渲染或带反爬的页面、多步流程自动化，以及想在本地代码里调用 agent 的场景。

不建议：只是抓公开信息或 API 能拿到的数据，直接用 HTTP 请求即可，SKILL.md 明确说这类情况不必启动浏览器。

几个坑：

1、本地 Chrome 需要开启远程调试；连不上时先跑 browser-use --doctor 诊断。
2、macOS 首次授权远程调试时，原命令保持运行，另开一个终端跑 mac-approve（保留原 BU_NAME）。
3、多个 agent 共享本地 daemon 时，浏览器操作要串行；真要并行交互，用云端浏览器隔离。
4、云端浏览器按 browser-hour 计费，长跑任务要算成本。
5、SkillHub 上该 skill 标注 requires_api_key=false，但实际使用是否产生 API 费用取决于你接的模型（OpenAI key 或 Browser Use Cloud key）。

结尾¶

这个 skill 的价值在于：把浏览器操作从「写脚本」变成「描述任务」，底层复用开源 Browser Use 的 Agent、CDP 控制和云端浏览器能力。适合已经在做 agent 工作流、需要稳定网页操作的开发者。

官方地址：https://api.skillhub.cn/user_3c6cb52e/browser-use-ai-browser-automation-library
底层项目：https://github.com/browser-use/browser-use