用browser-use自动化浏览器操作

“编程世界里一个非常流行的笑话是，为什么要在5分钟内完成任务，而不是花5天时间来自动化它。但现在你可以将时间从5天减少到5分钟👀！想象一下这种可能性。”

在这篇文章中，我将通过一个简单的例子告诉你如何开始使用browser-use，这个例子展示了如何使用你的Gmail账户自动发送邮件。

1、什么是browser-use？

Browser-use是连接AI代理与浏览器的最简单方式。但具体意味着什么呢？本质上，browser-use提供了一个简洁的界面，使你的AI代理能够像人类用户一样与网页进行交互。这消除了编写复杂、底层的浏览器自动化脚本的需求。我们都知道编写带有特定类名和ID的网页抓取脚本有多痛苦。如果网站的UI发生变化，你的抓取脚本就会停止工作。为什么还要经历这些困难，当你可以让AI为你做这些呢？

如果你对此感到兴奋，那就让我们开始吧！

2、在本地安装browser-use

根据他们的文档，他们推荐安装一个名为uv的工具，这是一个用Rust编写的极快的Python包管理器。这也有助于设置虚拟环境，当你在Python项目中工作时，这是推荐的做法。

要安装这个工具，请运行以下命令，该命令直接从uv文档中提取：

curl -LsSf https://astral.sh/uv/install.sh | sh

这将在你的机器上安装uv，并将二进制文件的路径添加到系统中。（你可能需要重新启动当前的终端会话）

💡 browser-use 需要Python 3.11或更高版本

下一步是使用uv命令创建虚拟环境：

uv venv --python 3.11

这将创建一个名为.venv的文件夹，其中包含隔离项目Python依赖所需的文件。

现在我们已经创建了虚拟环境，我们需要激活它。可以通过运行以下命令来实现：

source .venv/bin/activate

此命令基本上会设置你的shell环境，使其使用指定虚拟环境中的Python解释器和包，从而隔离项目的依赖项，避免与系统的Python安装冲突。

现在是时候安装浏览器使用了。官方文档建议使用以下命令直接将包安装到虚拟环境中：

uv pip install browser-use

最后一步是安装Playwright。Playwright是由微软开发的开源自动化库，用于浏览器测试和网络抓取。它是Puppeteer的一个替代方案。类似于Puppeteer，这个库也在后台使用Chromium，并且支持无头模式。使用以下命令安装Playwright：

playwright install

就这样！我们现在可以开始编写代码了🤓。在这个例子中，我演示了如何使用浏览器使用自动化发送电子邮件到Gmail。创建一个名为app.py的文件并复制以下代码。

🚨 只有在你愿意将你的账户凭证传递给OpenAI的情况下才运行此示例。你已被警告⚠️

from langchain_openai import ChatOpenAI  
from browser_use import Agent, Browser, BrowserConfig  
from dotenv import load_dotenv  
load_dotenv()  
  
import asyncio  
  
task2="""  
   ### 提示发送一封邮件给我的经理，请求他批准我的假期  
  
**目标：**    
打开Gmail，撰写一封新邮件给manager@gmail.com，主题为"批准我的假期"，正文为"我要结婚了，请现在批准我的假期！"。  
使用这些凭证登录：  
- 邮箱：youremail@gmail.com  
- 密码：yourpassword  
- 选择设备选项的“是”  
  
**重要提示：**  
- 邮件应成功发送。  
- 填写收件人邮箱后，模拟点击回车键。  
- 邮件主题应为"批准我的假期"，正文应为"我要结婚了，请现在批准我的假期！"。  
---  
  
**重要提示：** 确保在整个过程中保持效率和准确性。"""  
  
browser = Browser()  
  
agent = Agent(  
   task=task2,  
    llm=ChatOpenAI(model="gpt-4o"),  
    browser=browser,  
    )  
  
async def main():  
    await agent.run()  
    input("按Enter关闭浏览器...")  
    await browser.close()  
  
if __name__ == '__main__':  
    asyncio.run(main())

此外，你还需要创建一个.env文件或在系统中创建OPENAI_API_KEY的环境变量。示例.env文件如下所示：

OPENAI_API_KEY=yoursecretopenaiapikey

这段简单的代码就是你需要的所有内容，以自动化你的邮件发送过程。然而，由于我在测试Google账户时使用了2FA，因此仍有一个手动步骤需要批准登录。你可以通过以下命令运行此程序，看看AI的实际效果。你会真正欣赏到背后复杂的代码。

python app.py

这只是这个库可以实现的一个简单示例，但可能性是无限的！ 你可以要求它做以下事情：

1. 准备购物清单并在热门网站上下单
2. 在Google Docs中写一篇论文
3. 获取你最喜欢的名人的信息以及他们最近的动态
4. 从特定网站获取产品的规格（我尝试从gsmarena网站获取智能手机的详细规格，结果令人惊叹）

浏览器使用的GitHub账号包含了许多其他惊人的示例。请务必查看。还有一个示例展示了他们如何绕过验证码！

3、结束语

虽然这感觉像是超级增强版的网络抓取，但这个库仍然相对较新，需要证明自己。像puppeteer和传统的网络抓取工具已经经受住了时间的考验，这个库也需要这样做，而且按照目前的发展趋势，我相信它能做到！

原文链接：Automate anything in the browser using AI

汇智网翻译整理，转载请标明出处