browser_use

浏览器自动化子项目，基于 browser-use 库驱动 headless Chromium。两种用法：

1. 脚本式：直接控制页面（打开、读标题/URL、截图），确定性强，不依赖 LLM。
2. 自主 Agent（--agent）：挂一个 LLM 跑闭环——给个自然语言任务，Agent 自己 点、搜、读页面、回话。

按需子项目（非常驻），要用的时候跑 smoke_test.py。

文件

文件	职责
smoke_test.py	冒烟测试 / 运行入口。默认 headless 开百度验证「能起、能联网、能读页」；加 --agent 跑一次 LLM 闭环
config.yaml	配置（headless / 视口 / 扩展开关 / LLM 端点）

配置

config.yaml：

键	默认	说明
browser.headless	true	无界面模式（服务器环境）
browser.viewport	[1920, 1200]	视口
browser.disable_default_extensions	1	关键：默认扩展（uBlock 等）启动时要联网下载，慢/超时会卡死启动。设 1 跳过
llm.model	qwen3.8-27b	Agent 用的模型
llm.base_url	http://127.0.0.1:9000/v1	占位，换成你自己的 LLM 端点（OpenAI 兼容 /v1）
llm.api_key	sk-mykey	端点的 key
smoke_url	https://www.baidu.com	冒烟测试打开的验证页

LLM 三项均可用环境变量覆盖（优先级更高）：BU_LLM_MODEL / BU_LLM_BASE / BU_LLM_KEY。

用法

# 装依赖（uv venv）
uv venv .venv --python 3.10
uv pip install --python .venv browser-use playwright
.venv/bin/python -m playwright install chromium   # 拉浏览器内核

# 冒烟：验证浏览器能起
.venv/bin/python smoke_test.py

# 冒烟 + LLM Agent 闭环（要配好 llm 端点）
BU_LLM_BASE=http://你的LLM:9000/v1 BU_LLM_KEY=xxx \
  .venv/bin/python smoke_test.py --agent

SMOKE PASS 即通过。

依赖

• Python 3.10+
• browser-use、playwright（需 playwright install chromium）
• Agent 模式需要一个 OpenAI 兼容的 LLM 端点

已知坑

• 默认扩展卡启动：browser-use 自带 uBlock 等扩展，启动时要联网从 CDN 拉， 内网/慢网会卡死整个浏览器启动。BROWSER_USE_DISABLE_EXTENSIONS=1 跳过 （见 config，需在 import browser_use 之前设，smoke_test.py 已处理）。
• new_page(url) 返回的 Page 才是你打开的那个标签；用 session 级的 get_current_page_* 会指到默认的 about:blank 页，读不到目标页。
• 截图返回 base64，要自己 b64decode 落盘。

赞助

如果这个项目对你有用，欢迎赞助支持一下，请我喝杯奶茶：

—— 幻日出品