前言¶

讓模型去網頁上點按鈕、填表單、抓數據，是常見的一類需求。手寫 Playwright 腳本要維護選擇器、處理異步加載、保存登錄態，工作量大且脆。Browser Use 的思路是把「下一步做什麼」交給 LLM 推理，由庫去驅動瀏覽器執行，開發者只需要描述任務目標。

下面介紹的 Browser Use AI Browser Automation Library，是在 SkillHub 上由社區發佈者 user_3c6cb52e 打包的 skill，封裝的是開源項目 Browser Use。它面向的就是「導航網站、填表、抽取結構化數據、跑帶截圖和有狀態會話的瀏覽器工作流」這類任務。

這是什麼¶

一句話定位：一個開源的瀏覽器自動化庫 + Agent Skill，把 LLM 推理連接到真實的瀏覽器操作上，讓你用自然語言描述任務，由模型決定點擊、輸入、滾動和提取。

• 出品/維護：底層 Browser Use 是開源項目（Python / TypeScript），SkillHub 上這個 Browser Use AI Browser Automation Library 由社區發佈者 user_3c6cb52e 維護，座標 @user_3c6cb52e/browser-use-ai-browser-automation-library，版本 1.0.0，來源標記爲 community。
• 解決什麼問題：省掉手寫選擇器、等待、登錄態恢復的膠水代碼，讓 agent 自己規劃瀏覽器操作序列。
• SkillHub 元數據：分類 ai-agent，標籤 requires_api_key=false（基礎使用不強依賴額外 API key），頁面顯示評分 100000、下載 896。

核心功能¶

只寫已覈實到的能力：

1、任務驅動的瀏覽器操作。用一段自然語言 task 描述目標，Agent 自主決定導航、點擊、輸入、滾動等步驟。
2、多步網頁交互。可完成「找到可約時段、選日期、處理驗證碼、預約駕駛考試」這類多步流程。
3、結構化數據提取。把頁面內容交給模型整理後返回，而不是隻丟 HTML。
4、有狀態會話與截圖。支持複用瀏覽器會話、保留登錄態，並可在雲端瀏覽器上獲得實時查看 URL。
5、本地與雲端兩種驅動。本地接 Chrome/Chromium 的 CDP 端點，也可切換到 Browser Use Cloud 的託管瀏覽器（含 stealth、住宅代理、驗證碼處理）。
6、CLI 與 Python 庫兩種入口。既可作爲 skill 在 agent 裏調用，也可在 Python 代碼裏直接 Agent(...).run()。

說明：SkillHub 簡介把底層描述爲「由 Playwright 驅動」；倉庫當前 CLI 實現直接通過 CDP 控制本地 Chrome，並支持雲端瀏覽器。兩者指的是同一套 Browser Use 能力的不同接入方式。

安裝與啓用¶

作爲 Python 庫安裝¶

需要 Python >= 3.11（官方推薦 3.12），用 uv 管理。這一步裝的是開源庫本體。

uv init --python 3.12   # 新項目先初始化
uv add browser-use      # 安裝庫

配置環境變量¶

基礎用例接 OpenAI 模型；若要接 Browser Use 自家的 BU2 模型或雲端瀏覽器，再填 BROWSER_USE_API_KEY。

# .env
OPENAI_API_KEY=your-key
# BROWSER_USE_API_KEY=your-key  # 可選：BU2 模型或雲端瀏覽器

作爲 Agent Skill 啓用¶

官方 README 給出的 CLI 安裝方式，是把 prompt 貼給 agent（Claude Code、Codex、Hermes、OpenClaw 等），讓 agent 自己裝並註冊 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 聲明要求 browser-use 這個可執行文件，通過 uv 安裝 browser-use 包提供。在 SkillHub 上使用時，按平臺方式加載該 skill 即可，無需再改底層安裝。

典型用法¶

Python 庫：本地瀏覽器跑一個任務¶

保存爲 agent.py，運行後 agent 會打開瀏覽器、訪問目標倉庫、把結果打印出來。

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')  # 可選：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),  # 可選：雲端瀏覽器；需要 BROWSER_USE_API_KEY
    )
    history = await agent.run()
    print(history.final_result())

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

運行：

uv run agent.py

要切到雲端瀏覽器，取消上面 browser= 那行的註釋、在 .env 填好 BROWSER_USE_API_KEY 再跑即可，代碼不變。雲端按 $0.02/browser-hour 計費，另加網絡流量。

CLI：直接在終端驅動瀏覽器¶

skill 的官方 SKILL.md 提供 heredoc 用法，helper 已預導入，通過本地 daemon 複用 Chrome 的一個標籤頁。

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

注意：任務裏第一次導航用 new_tab(url)，不要每個腳本都 new_tab()；daemon 會跨調用保留標籤頁，複用時用 switch_tab()。

適用場景與注意¶

適合：需要交互（點擊/輸入/跳轉）的網頁任務、依賴登錄態的抓取、JS 渲染或帶反爬的頁面、多步流程自動化，以及想在本地代碼裏調用 agent 的場景。

不建議：只是抓公開信息或 API 能拿到的數據，直接用 HTTP 請求即可，SKILL.md 明確說這類情況不必啓動瀏覽器。

幾個坑：

1、本地 Chrome 需要開啓遠程調試；連不上時先跑 browser-use --doctor 診斷。
2、macOS 首次授權遠程調試時，原命令保持運行，另開一個終端跑 mac-approve（保留原 BU_NAME）。
3、多個 agent 共享本地 daemon 時，瀏覽器操作要串行；真要並行交互，用雲端瀏覽器隔離。
4、雲端瀏覽器按 browser-hour 計費，長跑任務要算成本。
5、SkillHub 上該 skill 標註 requires_api_key=false，但實際使用是否產生 API 費用取決於你接的模型（OpenAI key 或 Browser Use Cloud key）。

結尾¶

這個 skill 的價值在於：把瀏覽器操作從「寫腳本」變成「描述任務」，底層複用開源 Browser Use 的 Agent、CDP 控制和雲端瀏覽器能力。適合已經在做 agent 工作流、需要穩定網頁操作的開發者。

官方地址：https://api.skillhub.cn/user_3c6cb52e/browser-use-ai-browser-automation-library
底層項目：https://github.com/browser-use/browser-use