Agent 这两年最卷的方向是什么?不是多 Agent 协作,不是记忆库,是给 AI 装一双能点网页的手。
因为不管你写什么 Agent——Claude Code、Codex、Hermes、OpenClaw——它最后卡住的地方都是同一个:某个操作没有 API,只能人去点。填个表、登个后台、抓个只在前端渲染出来的数据、把 Excel 里的东西导进系统。以前这活儿叫「RPA」,贵且脆;现在这活儿的名字叫 Browser Use。
它是什么
Browser Use 是苏黎世 + 旧金山一个 YC W25 团队做的开源浏览器 Agent 框架。截至今天,它在 GitHub 上是 117,004 星、12,909 个 fork,MIT 协议,最近一次提交就在昨天。
定位一句话说清:它不写脚本,它把”你想干什么”翻译成浏览器操作。 你不用告诉它点哪个 CSS 选择器,你只要说”帮我查一下这个仓库多少星”,它自己开浏览器、自己找页面、自己读出数字。
from browser_use import Agent, ChatOpenAI
from dotenv import load_dotenv
load_dotenv()
agent = Agent(
task="查一下 browser-use 仓库有多少星",
llm=ChatOpenAI(model='gpt-5.6-luna'),
)
history = await agent.run()
print(history.final_result())
就这么多。task 写人话,浏览器自己开,自己关。
三条路,看你缺什么
Browser Use 现在不是一个东西,是三条路,选错了就是白折腾:
Path 1 — 全托管 Cloud。 官方 API,你只管发任务,浏览器、代理、反检测、录屏全他们管。价格是 $0.02 每浏览器小时,新账号送 $15 额度。适合你要跑生产、要指纹隔离、要代理池的场景。
Path 2 — CLI / Browser Harness。 这个是 2026 年最重要的变化。他们把固定动作菜单扔掉了,换成一个可编辑的 Python harness——直接给 Agent 浏览器控制权。他们自己写了篇文章叫《Agent Harness 的苦涩教训》,说得很直白:最新模型在”给自由度”的时候表现最好,把复杂度抽象掉反而更差。安装方式粗暴到有点好笑:
Install or upgrade browser-use with uv using Python 3.12,
run `browser-use skill install` to register the skill,
and connect it to my browser.
把这句话直接甩给 Claude Code 或 Hermes,你的 Agent 就有手了。不用写一行 glue 代码。
Path 3 — Python 库。 uv add browser-use,要求 Python ≥ 3.11。PyPI 上现在 0.13.10,总共发过 139 个版本,最近一个是 9 月 4 号。
三条路都能接本地浏览器或者云浏览器。想复用你自己的 Chrome 登录态,用 Browser.from_system_chrome()——这招在抓内部系统时是救命的。我写过 AI 浏览器工具实测,对比了 Stagehand、Skyvern 和它的实际差别,可以先看那篇。
它到底有多强
官方在 WebVoyager 这个基准上跑出 89.1% 成功率(586 个真实网页任务),当时是 SOTA。最差的 Booking.com 域名也有 80%。
但这话得说完整。2026 年这个 SOTA 已经不是它了——Magnitude 用 93.9% 超了它,Steel 的 WebVoyager 榜上还有个 browser-control 跑 90.41%,而且那条是自报数据。Browser Use 卡在 89.1% 是因为那个分数是 2024 年末、gpt-4o 时代测的,模型换代之后没重跑。所以别拿 89.1% 当现在的天花板,它是”框架的天花板”,不是”模型的天花板”。
同一个基准上 Skyvern 是 85.9%,OpenAI Operator 87%。差距没那么夸张,选型更该看你是不是喜欢它的代码风格,而不是那 4 个百分点。
实话
一、开源库免费,但你的模型不免费。 MIT 协议只覆盖代码。ChatBrowserUse(他们的 BU2 浏览器专用模型)和云浏览器都要钱。想真正零成本,得配 Ollama 跑本地模型——但 24G 显存以下跑浏览器 Agent 是折磨,页面截图全进上下文,token 消耗比你想的猛得多。
二、v4 session、Agency skill 这些是 Cloud 独有的。 定时任务、主动研究、”干完回来找你确认”这些好用的东西,8 月 17 号那版更新里全是给 V4 agent 的。开源库这边拿不到。别被官方博客的漂亮功能列表骗了,那是 Cloud 的功能表。
三、CDP 换掉 Playwright 之后,兼容性得自己验。 2025 年 8 月他们彻底扔了 Playwright 全改 CDP,快是快了、依赖少了,但遇到老旧 ERP、需要 ActiveX 的政务系统,该炸还是炸。
四、GitHub 上 533 个 open issue。 11.7 万星配 533 个未关闭 issue,说明用的人极多、坑也极多。别在生产环境裸奔,至少包一层重试和降级。
五、验证码不是万能盾。 官方自己在 FAQ 里写着”没有任何浏览器配置能保证避开或解决每一个验证码”。想稳,还是得配住宅代理 + 人工确认环节。
最后
11.7 万星不是营销吹出来的,是几十万人在用它抓数据、填表单、跑回归测试。它现在也从”一个 Python 库”长成了”一整套浏览器 Agent 基础设施”——CLI、Cloud、JS harness、Pi、macOS harness、benchmark,仓库旁边挂了七八个兄弟项目。
选型建议就一句:本地抓自己后台的东西,用 Path 3 配系统 Chrome;要给现有 Agent 装手,用 Path 2;要跑生产、要代理要隔离,买 Cloud。 别一上来就自己搓 CDP。
相关的横向对比我写过 Stagehand(TypeScript 路线,精度优先)和 Skyvern(表单类任务更强),配合 Node-RED 那种可视化编排,正好是当下最省事的组合。
by 数码罗记 · godsun.pro