人工智能代理工具 Browser Use 使用教程往期文章
Agent 类是 Browser Use 的核心组件，负责浏览器自动化。以下是初始化代理时可以使用的主要配置选项。
from browser_use import Agent from langchain_openai import ChatOpenAI agent = Agent( task="搜索关于AI的最新新闻", llm=ChatOpenAI(model="gpt-4o"), )
task: 代理执行的指令llm: 一个 LangChain 聊天模型实例。请参阅 LangChain 模型 以了解支持的模型。控制代理的操作方式：
agent = Agent( task="你的任务", llm=llm, controller=custom_controller, # 自定义工具调用 use_vision=True, # 启用视觉能力 save_conversation_path="logs/conversation" # 保存聊天日志 )
controller: 代理可以调用的函数注册表。默认为基本控制器。有关详细信息，请参阅 自定义函数。
use_vision: 启用/禁用视觉能力。默认为 True。
save_conversation_path: 保存完整对话历史的路径。对于调试很有用。
system_prompt_class: 自定义系统提示类。请参阅 系统提示 以了解定制选项。
视觉能力推荐用于更好的网页交互理解，但可以禁用以减少成本或在使用不支持视觉的模型时禁用。
您可以配置代理如何与浏览器交互。要查看更多 Browser 选项，请参考 浏览器设置 文档。
browser: 一个 Browser Use 浏览器实例。提供该实例时，代理将重用此浏览器实例，并为每个 run() 自动创建新上下文。
from browser_use import Agent, Browser from browser_use.browser.context import BrowserContext # 重用现有浏览器 browser = Browser() agent = Agent( task=task1, llm=llm, browser=browser # 浏览器实例将被重用 ) await agent.run() # 手动关闭浏览器 await browser.close()
记住：在这种情况下，Browser 不会自动关闭。
browser_context: 一个 Playwright 浏览器上下文。适用于保持持久会话。有关更多细节，请参阅 持久浏览器。
from browser_use import Agent, Browser from playwright.async_api import BrowserContext # 使用特定的浏览器上下文（首选方法） async with await browser.new_context() as context: agent = Agent( task=task2, llm=llm, browser_context=context # 使用持久上下文 ) # 运行代理 await agent.run() # 将上下文传递给下一个代理 next_agent = Agent( task=task2, llm=llm, browser_context=context ) ... await browser.close()
有关浏览器上下文如何工作的更多信息，请参阅 Playwright 文档。
您可以重用相同的上下文来为多个代理提供服务。如果不做任何操作，浏览器将在 run() 完成时自动创建和关闭。
代理通过异步 run() 方法执行：
max_steps（默认值：100） 代理在执行过程中可以采取的最大步骤数。此设置可防止无限循环并帮助控制执行时间。该方法返回一个 AgentHistoryList 对象，包含完整的执行历史。这对于调试、分析以及创建可重现的脚本非常有价值。
# 访问历史的示例
history = await agent.run()
# 访问（一些）有用的信息
history.urls() # 访问的 URL 列表
history.screenshots() # 截图路径列表
history.action_names() # 执行的动作名称
history.extracted_content() # 执行过程中提取的内容
history.errors() # 所发生的任何错误
history.model_actions() # 所有动作及其参数
AgentHistoryList 提供了许多帮助方法来分析执行情况：
final_result()：获取最终提取的内容is_done()：检查代理是否成功完成has_errors()：检查是否发生了任何错误model_thoughts()：获取代理的推理过程action_results()：获取所有动作的结果有关所有帮助方法和详细历史分析功能的完整列表，请参阅 AgentHistoryList 源代码。
使用 这个示例，您可以在没有 LLM 的情况下运行初始动作。将动作指定为字典，其中键是动作名称，值是动作参数。您可以在 Controller 源代码中找到我们所有的动作。
initial_actions = [ {'open_tab': {'url': 'https://www.google.com'}}, {'open_tab': {'url': 'https://en.wikipedia.org/wiki/Randomness'}}, {'scroll_down': {'amount': 1000}}, ] agent = Agent( task='页面上展示了哪些理论？', initial_actions=initial_actions, llm=llm, )
您可以配置代理使用一个单独的规划模型进行高层任务规划：
from langchain_openai import ChatOpenAI
# 初始化模型
llm = ChatOpenAI(model='gpt-4o')
planner_llm = ChatOpenAI(model='o3-mini')
agent = Agent(
task="你的任务",
llm=llm,
planner_llm=planner_llm, # 用于规划的独立模型
use_vision_for_planner=False, # 禁用规划模型的视觉功能
planner_interval=4 # 每4步进行一次规划
)
planner_llm: 用于高层任务规划的 LangChain 聊天模型实例。可以选择一个比主 LLM 更小/更便宜的模型。use_vision_for_planner: 启用/禁用规划模型的视觉能力。默认为 True。planner_interval: 规划阶段之间的步数。默认为 1。使用单独的规划模型可以帮助：
