browse-use使用教程,让AI操控浏览器——帮你打工。(低成本版)

本教程需要你准备好了科学上网, git, python, pip和vscode(或其他IDE编辑器) 。相关教程有很多,未准备好相关应用的,请自行互联网搜索 或询问AI。

PS:我写的教程一般都是我觉得有用,且在多台设备上成功复现过的。不是让AI简单的总结,所有的字都是我自己敲的,如感觉有帮助请帮忙点个免费的赞。万分感谢!

第一步:克隆browse-use仓库

在vscode中选择一个合适的文件夹open folder,并在vscode终端运行下面的命令:(如果clone不下来你也可以从仓库直接下载zip包然后解压)

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

第二步:安装browser-use库, playwright库和gradio库

依然是使用终端依次运行下面的命令行,要求(Python≥3.11):

perl 复制代码
pip install browser-use
playwright install
pip install gradio

第三步:修改代码配置以实现低成本使用

3.1 找到克隆仓库里的gradio_demo.py 文件,直接完全替换我下面编辑好的代码:(修改了好几处,直接发给你们,方便你我他~)

py 复制代码
import os
import asyncio
from dataclasses import dataclass
from typing import List, Optional

# Third-party imports
import gradio as gr
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from rich.console import Console
from rich.panel import Panel
from rich.text import Text
from pydantic import SecretStr

# Local module imports
from browser_use import Agent

load_dotenv()


@dataclass
class ActionResult:
	is_done: bool
	extracted_content: Optional[str]
	error: Optional[str]
	include_in_memory: bool


@dataclass
class AgentHistoryList:
	all_results: List[ActionResult]
	all_model_outputs: List[dict]


def parse_agent_history(history_str: str) -> None:
	console = Console()

	# Split the content into sections based on ActionResult entries
	sections = history_str.split('ActionResult(')

	for i, section in enumerate(sections[1:], 1):  # Skip first empty section
		# Extract relevant information
		content = ''
		if 'extracted_content=' in section:
			content = section.split('extracted_content=')[1].split(',')[0].strip("'")

		if content:
			header = Text(f'Step {i}', style='bold blue')
			panel = Panel(content, title=header, border_style='blue')
			console.print(panel)
			console.print()


async def run_browser_task(
	task: str,
	api_key: str,
	model: str = 'gpt-4o',
	headless: bool = True,
) -> str:
	if not api_key.strip():
		return 'Please provide an API key'

	os.environ['OPENAI_API_KEY'] = api_key

	try:
		agent = Agent(
			task=task,
			# llm=ChatOpenAI(model='gpt-4o'),
			llm=ChatOpenAI(base_url='https://api.cursorai.art/v1', model='gpt-4o', api_key=SecretStr(api_key)),
		)
		result = await agent.run()
		#  TODO: The result cloud be parsed better
		return result # type: ignore
	except Exception as e:
		return f'Error: {str(e)}'


def create_ui():
	with gr.Blocks(title='Browser Use GUI') as interface:
		gr.Markdown('# Browser Use Task Automation')

		with gr.Row():
			with gr.Column():
				api_key = gr.Textbox(label='OpenAI API Key', placeholder='sk-...', type='password')
				task = gr.Textbox(
					label='Task Description',
					placeholder='E.g., Find flights from New York to London for next week',
					lines=3,
				)
				model = gr.Dropdown(
					# choices=['gpt-4', 'gpt-3.5-turbo'], label='Model', value='gpt-4'
					choices=['gpt-4o'], label='Model', value='gpt-4o'
				)
				headless = gr.Checkbox(label='Run Headless', value=True)
				submit_btn = gr.Button('Run Task')

			with gr.Column():
				output = gr.Textbox(label='Output', lines=10, interactive=False)

		submit_btn.click(
			fn=lambda *args: asyncio.run(run_browser_task(*args)),
			inputs=[task, api_key, model, headless],
			outputs=output,
		)

	return interface


if __name__ == '__main__':
	demo = create_ui()
	demo.launch()

3.2 cd到browser-use文件夹根目录,在终端运行下面的命令行:

bash 复制代码
cd browser-use
python examples/ui/gradio_demo.py

3.3 启动服务后,在浏览器中打开http://127.0.0.1:7860/,填入API Key ,任务描述。

(API Key获取方法在文末)

3.4 执行过程及结果:AI去帮我找图了,最后返回了一些链接,但是这是小图。其实也可以要求他进入大图页面,给我大图链接。

PS:对于一些需要登录的网站,我们手动登录之后,让AI操作,体验更佳。

补充:API Key获取方法

在CURSOR API官网注册并登录后,点击API令牌,在右侧复制你自己的API令牌。

谢谢观看,祝你发财!

相关推荐
VIP_CQCRE5 小时前
GPT Image 2.6 商品图换背景后悬浮?接触阴影、透明区域与反射验收
图像处理·人工智能·ai·电商
泯泷6 小时前
别再傻傻地喂文件了,大厂都在偷偷给AI建这种“专属图书馆”
人工智能
oak隔壁找我7 小时前
一款运行在 DSH(DeepSeek Harness)中的类 Postman HTTP 接口调试插件
人工智能·程序员
高洁017 小时前
数字孪生与计算机视觉:让机器看懂现场
人工智能·python·机器学习·transformer·迁移学习
Csvn7 小时前
如果明天供应商涨价 3 倍?三层解耦,换模型只改一行配置(C05)
人工智能·aigc·agent
在所不辞兄8 小时前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?
人工智能·神经网络·其他·算法·机器学习
锋行天下9 小时前
langgraph 全栈项目(三)
前端·人工智能·后端
黄啊码9 小时前
【黄啊码】最近面了十几个想转 FDE 的程序员,一个都没招
人工智能
锋行天下10 小时前
langgraph 全栈项目(二)
前端·人工智能·后端
大模型真好玩10 小时前
用 Seedance 2.5 Flash 实现1分钟AI短剧,满足孩子的超级英雄对战梦
人工智能·aigc·deepseek