ИИ за рулём браузера: что такое Browser Use

Browser Use — open-source Python-библиотека, которая позволяет ИИ-агентам управлять веб-браузером так же, как это делает человек: открывать страницы, нажимать кнопки, заполнять формы и извлекать данные. Вы описываете задачу на естественном языке — агент выполняет её. Репозиторий насчитывает свыше 110 000 звёзд на GitHub и остаётся одним из самых быстро растущих проектов в экосистеме ИИ-агентов.

ℹ Что такое Browser Use
Browser Use — это Python-библиотека (MIT License), которая даёт ИИ-агентам возможность взаимодействовать с любым сайтом: кликать, вводить текст, заполнять формы и собирать данные — без написания хрупких CSS-селекторов.

Что умеет Browser Use

Возможности библиотеки охватывают широкий спектр задач:

  • Заполнение форм — например, автоматически подать резюме на вакансию
  • Извлечение данных (data extraction) — собрать список подписчиков и экспортировать в CSV
  • Мониторинг — регулярно проверять цены, статусы, обновления на сайтах
  • QA-тестирование — прогонять сценарии взаимодействия с веб-интерфейсом

«Скажи компьютеру, что нужно сделать — и он это сделает» — девиз проекта, созданного в Цюрихе и Сан-Франциско.

Быстрый старт: три шага

Browser Use занимает первое место на Odysseys leaderboard со средним результатом 87,4%, опережая computer-use агентов от OpenAI, Anthropic, Google и Microsoft. Odysseys оценивает работу агента на 200 задачах с длинным горизонтом планирования.

Запустить собственного агента можно за три шага:

# 1. Установка (Python >= 3.11)
uv add browser-use
# или
pip install browser-use

# 2. Добавьте API-ключ в .env
BROWSER_USE_API_KEY=your-key
# или ключ другого провайдера:
ANTHROPIC_API_KEY=your-key

# 3. Запустите агента
import asyncio
from browser_use import Agent, ChatBrowserUse

async def main():
    agent = Agent(
        task="Найди количество звёзд репозитория browser-use",
        llm=ChatBrowserUse(model='openai/gpt-5.5'),
        # llm=ChatBrowserUse(model='bu-2-0-mini-preview'),  # оптимизированная модель
        # llm=ChatAnthropic(model='claude-opus-4-8'),
    )
    history = await agent.run()

asyncio.run(main())
💡 Совет по выбору модели
Для задач браузерной автоматизации команда Browser Use рекомендует собственную модель ChatBrowserUse() — она завершает задачи в 3–5 раз быстрее по сравнению с другими провайдерами при сопоставимой точности.

CLI vs Python-библиотека: что выбрать

СценарийCLI (агент-интеграция)Python-библиотека
Разовые задачи через агент (Claude Code, Cursor и др.)✅ Подходит❌ Избыточно
Масштабная автоматизация и скрапинг❌ Не подходит✅ Подходит
Встраивание в собственный продукт❌✅
Кастомные инструменты и system prompt❌✅
Параллельный запуск задач по расписанию❌✅

Open-Source vs Cloud: два режима работы

Проект предлагает два варианта:


graph LR
    A[Задача на естественном языке] --> B{Режим работы}
    B --> C[Open-Source агент]
    B --> D[Cloud-агент]
    C --> E[Ваш LLM-провайдер]
    C --> F[Полный контроль над кодом]
    D --> G[Готовая инфраструктура]
    D --> H[Stealth-браузеры + прокси]
    D --> I[1000+ интеграций]
    E --> J[Результат]
    F --> J
    G --> J
    H --> J
    I --> J

Open-Source — бесплатен, работает на вашей машине, поддерживает любой LLM (OpenAI, Anthropic, Google, Ollama для локальных моделей). Полный контроль над поведением агента.

Cloud-агент — управляемая инфраструктура с ротацией прокси, решением CAPTCHA, постоянной файловой системой и памятью агента, а также более чем 1000 интеграций (Gmail, Slack, Notion и другие).

# Запуск задачи через Cloud API
curl -X POST https://api.browser-use.com/api/v4/runs \
  -H "X-Browser-Use-API-Key: $BROWSER_USE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"task": "Ваша задача"}'

Поддержка моделей: Claude, GPT, Gemini через один ключ

Одна из ключевых особенностей — единый интерфейс ChatBrowserUse, который принимает идентификаторы моделей с префиксом провайдера. Это означает, что один BROWSER_USE_API_KEY даёт доступ ко всем крупным провайдерам:

from browser_use import Agent, ChatBrowserUse

llm = ChatBrowserUse(model='anthropic/claude-sonnet-4-6')
# или: 'openai/gpt-5.5', 'google/gemini-3-pro'
agent = Agent(task='...', llm=llm)
⚠ Важно для продакшена
Chrome потребляет много памяти при параллельном запуске агентов. Для продуктивной нагрузки команда рекомендует Cloud API: он берёт на себя управление браузерной инфраструктурой, ротацию прокси и защиту от блокировок.

Кастомные инструменты

Агент легко расширяется пользовательскими функциями:

from browser_use import Tools

tools = Tools()

@tools.action(description='Описание того, что делает инструмент.')
def custom_tool(param: str) -> str:
    return f"Результат: {param}"

agent = Agent(task="Ваша задача", llm=llm, tools=tools)

Почему это важно для отрасли

Browser Use является наиболее широко используемым независимым open-source фреймворком с около 108 000 звёзд на GitHub и первым местом на Odysseys leaderboard. Команда тестирует агента на 100 реальных браузерных задачах, а полный бенчмарк опубликован в открытом доступе в репозитории browser-use/benchmark.

Появление инструментов класса Browser Use означает сдвиг в парадигме автоматизации: вместо написания хрупких скриптов под конкретный сайт разработчик описывает намерение, а агент сам разбирается с интерфейсом. Browser Use реализует браузерную автоматизацию агентом без привязки к CSS-селекторам, что делает автоматизацию устойчивой к изменениям вёрстки.

Проект создан Магнусом Мюллером и Грегором Жуничем и распространяется под лицензией MIT.