Browser Use — AI驱动浏览器自动化的全新范式

什么是 Browser Use？

Browser Use 是一个开源的浏览器自动化工具生态，核心项目包括 browser-harness ------ 一个轻量级、可编辑的 CDP (Chrome DevTools Protocol) 控制层，让 AI 能够直接操控你的真实 Chrome 浏览器。

它的设计理念是："你将永远不再亲自操作浏览器"。AI 代理通过截图、坐标点击和 JS 执行来操控页面，仿佛给浏览器装上了眼睛和双手。

为什么选择 Browser Use？

1. 极简架构

核心代码只有约 1000 行，分布在 4 个文件中。没有冗余的抽象层、重试框架或复杂配置。

2. 截图优先的交互模式

传统自动化工具（Selenium/Playwright）要求你找到选择器才能点击。Browser Harness 反其道而行之：

先截图 → 看像素坐标
坐标点击 click_at_xy(x, y) → 穿透 iframe/阴影 DOM/跨域
再截图验证 结果

3. 连接真实 Chrome

不需要启动新的浏览器实例。直接连接你正在使用的 Chrome，登录态、Cookie、扩展全部保留。

4. 原始 CDP 能力

可以直接调用任意 Chrome DevTools 协议方法，没有封装损耗。

快速上手

安装

Setup prompt

bash 复制代码

Set up https://github.com/browser-use/browser-harness for me.

Read `install.md` and follow the steps to install browser-harness and connect it to my browser.

bash 复制代码

git clone https://github.com/browser-use/browser-harness
cd browser-harness
uv tool install -e .

连接浏览器

在 Chrome 地址栏输入 chrome://inspect/#remote-debugging
勾选 "Allow remote debugging for this browser instance"
运行测试:

bash 复制代码

browser-harness <<'PY'
new_tab("https://example.com")
wait_for_load()
print(page_info())
PY

第一个脚本

python 复制代码

browser-harness <<'PY'
new_tab("https://www.baidu.com")
wait_for_load()
capture_screenshot("baidu.png")
click_at_xy(500, 300)
wait_for_load()
print(page_info())
PY

主要能力

能力	说明
页面导航	打开新标签页、切换标签页、跳转 URL
截图识别	截取页面截图，通过像素坐标点击
坐标点击	click_at_xy(x, y) 穿透 iframe/Shadow DOM
JS 执行	在页面中运行 JavaScript
HTTP 请求	http_get(url) 直接发请求，不走浏览器
原始 CDP	调用任意 Chrome DevTools 协议
云浏览器	连接 Browser Use 云端隔离浏览器

设计哲学

Browser Harness 坚持以下原则：

坐标点击优先 ：通过 Input.dispatchMouseEvent 在合成层级发送鼠标事件，穿透 iframe/阴影 DOM/跨域限制
连接真实浏览器：不启动新实例，直接复用用户的 Chrome
核心保持简洁：不添加重试框架、会话管理器、配置系统
自我进化 ：代理在执行中发现缺失的工具函数时，可以直接写入 agent_helpers.py

总结

Browser Use 代表了浏览器自动化的新范式------不再是"找选择器→点击"，而是"截图→坐标点击→验证"，更接近人类操作浏览器的方式。配合 LLM 的视觉能力，可以处理任何复杂度的 Web 任务。

GitHub: https://github.com/browser-use/browser-harness
官网: https://browser-use.com

这篇介绍博客也是使用了Browser Use完整流程发布的，然后我再进行编辑修改的；

安装到发布文章接近300w token消耗还是挺大的，差不多3毛钱左右