一款强大的开源浏览器自动化工具，旨在通过AI代理实现浏览器的自动化操作。它允许用户通过简单的代码或图形界面，让AI控制浏览器完成各种任务，例如浏览网页、交互操作、自动化流程等。支持多种AI模型，特别值得一提的是，Browser-Use还支持DeepSeek模型，用户可以通过简单的自然语言指令，轻松实现浏览器的自动化操作。
🏠 项目信息
#github地址https://github.com/browser-use/browser-use#项目地址https://browser-use.com/
🚀功能特性
-
多标签页管理：支持同时管理多个浏览器标签页，这使得在处理复杂任务时（如多任务操作或需要同时打开多个网页的场景）更加高效。
-
视觉识别与内容提取：能够自动解析网页内容，提取文本、图片等视觉元素以及 HTML 结构，为 AI 代理提供丰富的输入信息。
-
操作记录与重复执行：可以记录 AI 在浏览器中执行的操作，并能够重复这些操作。
-
自定义动作支持：除了内置的自动化操作外，开发者还可以注册自定义动作，例如保存文件、推送到数据库、发送通知等。
-
主流 LLM 模型支持：兼容多种大型语言模型（LLM），包括但不限于 GPT-4、Claude、Llama 以及 DeepSeek。
-
自我纠正：在处理网页任务时，AI 代理可能会遇到各种预料之外的情况。Browser-Use 提供自我纠正机制，允许 AI 代理在发现错误时重新尝试或调整策略，从而提高任务执行的成功率
-
并行化多个代理：允许并行运行多个 AI 代理，这些代理可以共享同一个浏览器实例，但每个代理都有自己独立的上下文环境，确保任务之间的独立性，有助于提高任务执行的效率。
-
Web UI 支持： 提供了基于 Web 的用户界面，使得没有编程经验的用户也能通过图形界面与 AI 模型进行交互，完成复杂的网页操作。
02
—
克隆项目
git clone https://github.com/browser-use/browser-use.gitcd browser-use
创建虚拟环境（推荐使用 Python 3.11 或更高版本）
conda create -n browser-use python=3.12conda activate browser-use
安装依赖
pip install browser-use playwrightplaywright install
测试 UI：如果你想通过图形界面测试 Browser-Use 的功能，可以运行以下代码：
pip install gradiopython examples/ui/gradio_demo.py
这将启动一个基于 Gradio 的 Web UI，可以通过浏览器访问并测试不同的任务
接入DeepSeek-V3，作为AI引擎，任务是让 AI 代理访问 Reddit，搜索“DeepSeek，点击第一个帖子并返回第一条评论：
#编辑example.pyfrom langchain_openai import ChatOpenAIfrom browser_use import Agentfrom pydantic import SecretStr# Initialize the model,兼容OpenAI格式llm=ChatOpenAI(base_url='https://api.deepseek.com/v1', model='deepseek-chat', api_key=SecretStr(api_key))# Create agent with the modelagent = Agent(task="访问 Reddit，搜索“DeepSeek，点击第一个帖子并返回第一条评论",llm=llm,use_vision=False)#编辑.env文件DEEPSEEK_API_KEY="你的DeepSeek APIkey"#运行文件python example.py
DEMO：将杂货添加到购物车中，并结账。
DEMO：将我的最新LinkedIn关注者添加到Salesforce中的潜在客户名单里。
DEMO: 阅读我的简历，找到机器学习相关的工作岗位，将它们保存到一个文件中，然后在新的标签页中开始申请这些工作。如果你需要帮助，就问我。
DEMO:在Google文档中给我的爸爸写一封信，感谢他为我做的一切，并将文档保存为PDF格式。
由此可见，browser-use是一款极具创新性的开源工具，通过AI技术为浏览器操作带来了前所未有的自动化能力，不仅支持多标签页管理、视觉识别与内容提取，还能记录并重复操作，极大地提升了任务执行的效率和灵活性。如果你正在寻找一种高效、灵活且易于上手的浏览器AI自动化解决方案，Browser-Use 值得一试！
来源：微信公众号“有趣的开源集市”
发表回复