Agent 框架与编排先试这个
Browser Use
browser-use / browser-use
让 LLM 通过浏览器操作网页:元素定位、点击、输入、截图与多步任务。
为什么选
- 把浏览器操作封装成 agent 工具,适合网页型任务。
- 对页面元素与视觉结合,比纯坐标点击更稳。
- 生态活跃,示例与集成多。
不适合
不需要登录、只读 API 就能完成的任务,优先用 API。
高对抗或强风控网站;自动化可能触发封禁。
最小上手
- 装 Playwright 浏览器依赖,跑一个“搜索并打开第一页”的最小示例。
- 换成自己的目标站点,先只读不写。
- 记录失败步骤与页面版本,再加重试/人工确认。
依赖与成本
Python + Playwright/Chromium;需要 LLM API;生产要浏览器隔离与代理。
许可与使用边界
代码 MIT;浏览器里的内容、账号与站点条款仍归原站,自动化前读 robots/ToS。
开源不等于可商用:GPL / AGPL 有传染性;代码许可、模型许可、生成内容许可要分开看。上线前读仓库 LICENSE 与模型卡,必要时让法务确认。
替代与相邻
- Stagehand — 特定场景,TypeScript 浏览器自动化框架:自然语言动作与代码动作混用,面向可控的网页 agent。
- LangGraph — 生产可用,把 agent 写成有状态图:节点、边、检查点、人工确认与回滚都能显式表达。
- OpenHands — 生产可用,能读代码、改代码、跑命令的软件工程 agent,带沙箱与任务界面。
下一步
- 打开 GitHub,先读 README、LICENSE、最近 release 与 issue。
- 按“部署依赖 / 显存 / 数据 / 网络 / 权限”列一张上手清单。
- 用一个小样本跑通,再决定是否进生产;不要直接上生产数据。
快照口径:stars / forks / language / license / pushed_at 来自 GitHub API 2026-11-19 快照;之后的变化没有回写。标签与“适合 / 不适合”是编辑判断,不是 GitHub 元数据。
不背书:本站只做索引与风险提示,不审计代码、不保证安全、不替你做许可判断。仓库脚本与模型权重请自行审查。