让 AI 像人类一样浏览网页Browser Use

Browser Use: AI 浏览器助手 - 让 AI 像人类一样浏览网页

项目简介

Browser Use: AI 浏览器助手 - 让 AI 像人类一样浏览网页

一个能让 AI 像真实用户一样自然操作浏览器的 Python 工具库，通过简单的代码配置就能实现网页自动化任务，如订票、求职申请、数据收集等实际应用场景

主要功能：

- 让 AI 能够像人类一样浏览和操作网页

- 支持多标签页管理

- 可以提取网页内容和进行视觉识别

- 能够记录和重复执行特定操作

- 支持自定义动作（如保存文件、推送数据库等）

实际应用案例：

- 自动搜索和申请工作机会

- 自动查询航班信息

- 在 Hugging Face 上搜索和保存模型信息

技术特点

- 支持主流的 LLM 模型（GPT-4、Claude、Llama 等）

- 可以并行运行多个 AI Agent

- 提供错误自我修正能力

- 允许开发者添加自定义功能

快速启动

用pip:

<span>pip <span>install</span> browser-<span>use</span></span>

（可选）安装剧作家：

<span><span>playwright</span> install</span>

启动你的代理：

<span><span>from</span> langchain_openai <span>import</span> ChatOpenAI</span>

并且不要忘记将 API 密钥添加到.env文件中。

<span><span>OPENAI_API_KEY</span>=</span>

注册自定义操作

如果您想添加代理可以执行的自定义操作，您可以像这样注册它们：

You can use BOTH sync or async functions.

您可以使用同步或异步函数。

<span><span>from</span> browser_use.agent.service <span>import</span> Agent</span>

或者使用 Pydantic 定义参数

<span><span><span>class</span> <span>JobDetails</span><span>(BaseModel)</span>:</span></span>

然后运行你的代理：

<span>model = ChatAnthropic(model_name='claude-3-5-sonnet-20240620', timeout=25, <span>stop</span>=<span>None</span>, temperature=<span>0.3</span>)</span>

并行代理

在 99% 的情况下，您应该使用 1 个浏览器实例并并行化代理，每个代理有 1 个上下文。您还可以在代理完成后重用上下文。

<span><span>browser</span> = Browser()</span>

<span>for i in range(10):</span>

上下文与浏览器

如果您不指定browser或browser_context代理将创建一个新的浏览器实例和上下文。

获取 XPath 历史记录

要获取代理所做的所有操作的完整历史记录，您可以使用run方法的输出：

<span><span>history</span>: list[AgentHistory] = await agent.run()</span>

浏览器配置

您可以使用BrowserConfig和BrowserContextConfig类配置浏览器。

The most important options are:
最重要的选项是：

headless ：是否以无头模式运行浏览器
keep_open : 脚本完成后是否保持浏览器打开
disable_security ：是否禁用浏览器安全功能（如果处理 iFrame 等跨源请求，则非常有用）
cookies_file ：用于持久化的 cookies 文件的路径
minimum_wait_page_load_time ：获取LLM输入的页面状态之前等待的最短时间
wait_for_network_idle_page_load_time ：获取页面状态之前等待网络请求完成的时间
maximum_wait_page_load_time ：继续之前等待页面加载的最长时间

项目链接

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