【开源项目】探索 browser-use：让大模型轻松驾驭浏览器的开源神器

一、简介

• browser-use 是一个开源工具，通过将 AI 能力与浏览器自动化相结合，实现网页的智能化操作
• 支持视觉识别、html提取、多tab管理、元素追踪、自定义动作、自动纠错、多种AI模型
• 开源地址：https://github.com/browser-use/browser-use
• 网页代理准确度领先于其他工具
  

二、安装使用

1. 提前安装python环境，版本大于等于3.11
2. 安装browser-use

   pip install browser-use

3. 安装浏览器自动化工具playwright

   playwright install

4. 代码操作示例

   import asyncio
   from browser_use import Agent
   from langchain_openai import ChatOpenAI
   async def main():
       agent = Agent(
           task="请严格使用中文回答，帮我看看开源项目browser-use/browser-use有多少颗星星了",
           llm=ChatOpenAI(
               model="gpt-4o", # 可以设置成其他模型
               base_url="https://api.openai.com/v1", # 设置成你的模型访问基础路径
               openai_api_key="sk-xxx" //设置成你的模型访问秘钥
           ),
       )
       await agent.run()
   asyncio.run(main())

   执行效果：
   

三、总结

• 非常好的探索性项目，值得关注，有助于扩展大模型的能力
• 除了python代码控制，还可以部署成可视化操作web-ui界面（支持docker部署），参考：https://github.com/browser-use/web-ui
• browser-use对于复杂任务的处理效果还是有待优化。比如输入我的github账号，叫他爬取我有多少个开源项目，他只会找到我的主页上几个开源项目，还不能自动深度挖掘和分页处理