Browser Use：開源 AI 代理框架，用於網頁瀏覽器控制

網頁自動化傳統上需要僵化、脆弱的腳本。一個填寫表單的 Selenium 測試需要知道每個元素的 ID、class 和 XPath。如果頁面稍有變動，腳本就會失效。Browser Use 採取根本不同的方法：它不是使用腳本指令，而是將 LLM 驅動的代理控制權交給瀏覽器，讓它像人類一樣理解和與網頁互動。

Browser Use 建立在 Playwright 之上，提供一個 Python 框架，將大型語言模型連接到即時的瀏覽器實例。代理接收螢幕截圖和頁面內容，決定要採取哪些操作（點擊、輸入、滾動、導覽），並透過瀏覽器自動化層執行這些操作。這種 AI 原生方法使 Browser Use 比傳統自動化工具更能適應頁面變更。

該框架已迅速在傳統自動化難以處理的任務中流行起來：從非結構化網頁中提取資料、填寫複雜的多步驟表單、在結構不一致的網站中導覽，以及針對變更中的 UI 測試網頁應用程式。透過將頁面結構的理解委託給 LLM，Browser Use 消除了對硬編碼選擇器和等待特定 DOM 元素出現的需求。

Browser Use 的代理架構如何運作？

Browser Use 的架構透過結構化的操作循環將 LLM 推理與瀏覽器自動化連接起來。

graph LR
    A[使用者任務] --> B[LLM 代理]
    B --> C[分析頁面]
    C --> D{適合的下一個操作}
    D -->|點擊| E[Playwright 點擊]
    D -->|輸入| F[Playwright 輸入]
    D -->|導覽| G[Playwright 前往]
    D -->|提取| H[Playwright 取得文字]
    D -->|滾動| I[Playwright 滾動]
    E --> J[更新後的頁面狀態]
    F --> J
    G --> J
    H --> J
    I --> J
    J --> B
    B --> K[任務完成？]
    K -->|否| C
    K -->|是| L[回傳結果]

代理在一個連續循環中運作：觀察當前頁面狀態，決定下一個操作，透過 Playwright 執行它，觀察結果狀態，然後重複直到任務完成。LLM 以視覺形式（螢幕截圖）和結構化形式（DOM 文字、可存取屬性）接收頁面內容以做出決策。

Browser Use 代理可以執行哪些操作？

該框架提供一套全面的瀏覽器操作，代理可以用來完成幾乎任何網頁任務。

操作可以組合成序列。一個典型的表單填寫任務可能包括：導覽到 URL、等待表單載入、在每個欄位中輸入、點擊提交、等待確認、提取結果。

有哪些 LLM 和配置選項可用？

Browser Use 的效能顯著取決於用於決策的 LLM。該框架支援多個提供者並提供廣泛的配置。

LLM 的選擇涉及能力、速度和成本之間的取捨。對於像填寫已知表單這樣的簡單任務，較小的模型表現良好。對於涉及模糊頁面佈局或多步驟工作流程的複雜任務，最有能力的模型會產生顯著更好的結果。

Browser Use 如何處理複雜的網頁互動？

現實世界的網頁自動化涉及傳統腳本難以處理的挑戰。Browser Use 的 AI 原生方法透過幾種機制解決這些問題。

代理處理意外頁面狀態的能力──彈出視窗、延遲內容、錯誤訊息──是 Browser Use 相對於傳統自動化的主要優勢。您不需要編寫每種可能狀態的腳本，而是描述目標並讓代理找出路徑。

FAQ

什麼是 Browser Use？ Browser Use 是一個開源 Python 框架，使 AI 代理能夠控制網頁瀏覽器。它使用 LLM 來理解網頁並執行點擊、輸入、表單填寫、導覽和資料擷取等操作。

Browser Use 與傳統瀏覽器自動化工具相比如何？ 與需要硬編碼選擇器和腳本的 Selenium 或 Playwright 不同，Browser Use 使用 AI 來理解頁面內容並決定操作。它自動適應頁面變更，並能處理非結構化的網頁互動。

Browser Use 支援哪些 LLM？ Browser Use 支援多種 LLM，包括 OpenAI GPT-4o、Anthropic Claude、Google Gemini 以及透過 Ollama 的本地模型。LLM 的選擇影響代理理解複雜頁面佈局的能力。

Browser Use 能處理登入和驗證嗎？ 是的，Browser Use 可以處理登入表單、Cookie 和 session 管理。它可以儲存和還原瀏覽器 session、處理驗證彈出視窗，以及處理 SSO 登入流程。

Browser Use 的典型使用案例有哪些？ 常見使用案例包括網頁資料擷取和爬取、自動化表單填寫、UI 測試、工作流程自動化（訂購、預訂）、社交媒體自動化以及監控網頁變更。

延伸閱讀

• Browser Use GitHub 倉庫 – 原始碼、文件和範例
• Playwright 文件 – Browser Use 所基於的瀏覽器自動化框架
• Anthropic Claude 瀏覽器自動化 – 具有網頁功能的 AI 程式碼工具
• OpenAI 瀏覽器自動化 – 用於網頁互動的函式呼叫
• 網頁自動化最佳實務 – 傳統網頁自動化方法