所有文章

简而言之: browser-use 1.0(2026 年 11 月 10 日)用一个主要工具取代了 0.x 的 24 个浏览器操作, python: 一个可持久运行的 REPL,可直接访问原始 Chrome DevTools Protocol。在 BU Bench v2.1 上,同样的三个模型比使用 0.x 时高出 14 至 33 分,成本则降低了 2.7 倍至 5.2 倍。该结果涵盖整个版本,每个模型只运行一次,因此不能把所有提升都归功于工具变更。改用代码而不是菜单后,智能体开始自行解决页面卡死问题,并调用我们任何操作都未覆盖的私有 API。

两年来,我们一直以同样的方式改进 browser-use。每当智能体陷入困境,我们就为它添加一个新操作;到 2025 年 6 月,它需要从 29 个操作中进行选择。browser-use 1.0 彻底抛弃了这套菜单。现在,模型只会获得一个主要工具, python, 以及两种结束任务的方式。

这个版本删除了 136,905 行代码,并在 554 个文件中新增了 29,601 行代码;Python 文件也从 178 个减少到 43 个。它还更改了默认设置,因此我不会把分数跃升仅仅归因于工具变更。

browser-use 1.0 有哪些变化

模型会获得一个持久化 REPL,其中已导入浏览器工具框架的辅助函数和原始 cdp() :

async def python(ctx: RunContext[Session], code: str) -> list[Any]:
    """Run Python in the persistent REPL (browser-harness helpers and raw cdp() pre-imported)."""
    ...
 
tools=[Tool(python, max_retries=TOOL_RETRIES, sequential=True), *tools]

你自己的工具仍可在它旁边注册。Hello World 又只需三行代码,因为模型和浏览器都默认使用 Browser Use Cloud:

from browser_use import Agent
 
result = Agent('Find the number of stars of the browser-use repo').run_sync()
print(result.final_result())

基准测试图表位于 版本说明中:2026 年 11 月 8 日运行了 200 项任务,并使用冻结的 180 项任务集进行评分。

Terminal output: tools per release, 9 in 0.1.1, 29 in 0.3.3, 24 in 0.13.14, 3 in 1.0. Python lines in the library 1,574, 67,599 and 13,738. Hello world 7, 14 and 3 lines.
工具数量一路上升又回落。在峰值的 29 个工具中,有 6 个是 Google Sheets 操作。

browser-use 如何增长到 29 个工具

第一次提交于 2024 年 10 月 31 日落地,包含 8 个文件、670 行代码和 10 个操作。此后,每个 bug 都变成了一个操作。下拉菜单 click 无法打开的问题有两个专属操作,滚动到某个短语也有了对应操作 scroll_to_text,Google Sheets 则有六个。到 2025 年 6 月发布 0.3.3 版时,模型需要从 29 个操作中进行选择。

每个操作都会带来双重成本。它的 schema 会出现在每个提示中;而当页面需要执行菜单中没有的操作时,智能体就会束手无策,因为这个菜单是它操控浏览器的唯一方式。我们 于 2025 年 8 月从 Playwright 迁移到了原始 CDP ,并添加了一个 JavaScript 工具(《浏览器智能体的苦涩教训 》讲述了这部分经历),但到 2026 年 10 月,这个库仍有 24 个操作。

50 分钟内,我们一半的辅助函数都被淘汰了

让我们改变想法的是一个支线项目。2026 年 4 月 16 日,Gregor 提交了 harnesless, 共 404 行 Python 代码。一个守护进程与 Chrome 保持一条 CDP WebSocket 连接,智能体编写 Python,而 cdp("Domain.method", ...) 可以调用 Chrome 能执行的任何功能:

import sys
from helpers import *  # noqa: F401,F403
exec(sys.stdin.read())

最初的版本仍附带 32 个辅助函数,其中包括我们基于索引 DOM 的辅助函数,例如 get_dom, click_element 和 type_in。Gregor 用它执行了 7 项真实任务(涉及 Upwork、X、Google Flights、Hacker News、Netflix 和 iPhone 对比),模型却一次也没有调用它们。50 分钟后的那次提交说明了原因:

所有 DOM 交互都通过 js() 加定制选择器完成,从未使用基于索引 DOM 的辅助函数。

16 个辅助函数被移除,4 个被加入,于是 32 个变成了 20 个。模型更喜欢自己编写选择器。

从那以后,只有当模型读过某个辅助函数一次后仍无法将其重写时,我们才会保留它。尽管如此,核心代码还是增长到了 2,176 行,辅助函数文件中则有 26 个辅助函数。 《智能体工具框架的苦涩教训》 完整阐述了这一观点。这里需要纠正一点,因为人们(包括我们自己)经常弄错:这个库直到 11 月仍保留着 24 个工具。工具框架首先验证了这一构想,而这个库几个月后才跟进。

智能体如何使用原始 CDP

只给模型一个代码工具和原始 CDP,你就可以统计它会调用什么。我们对 2026 年 11 月 13 日一次 BU Bench v2.1 运行产生的 199 条轨迹进行了统计:共 12,976 次代码调用,涉及约 47 种不同的 CDP 命令。排名前五的命令正是我们的辅助函数已经封装的那些。其余命令则没有经过任何人的预先设计。

Terminal output: traces out of 199 calling each CDP command. Accessibility.getFullAXTree 126, DOM.getBoxModel 107, Input.dispatchMouseEvent 54. Long tail: Network.enable 8, Page.stopLoading 6, Network.getResponseBody 3, and three commands in 1 trace each.
约 47 个命令名称中的 9 个,使用正则表达式对代码调用进行统计。

有一项任务需要从某个证券交易所的统计页面获取两年的每日数据,但该页面在加载时卡死了。智能体调用了 Page.stopLoading,发现响应体为空,随后阻止了那个卡住的脚本:

cdp('Network.enable')
cdp('Network.setBlockedURLs', urls=['*<stuck-script>*'])
goto_url('https://<exchange-stats-page>/')

重新加载耗时 1.3 秒。随后,它读取了该网站自身的 JavaScript,找到了表格背后的 JSONP 端点,并以每批 30 个的方式直接调用该端点,获取 730 个日期的数据。其中 30 个请求超时后,它只重试了这些请求。三分半钟后,它返回了 4,720 行数据,评测得分为 0.92。我们从未专门为此构建过任何功能。

Terminal log of one trace: page hangs 10.2 s at 0:35, script blocked at 0:55 and reload takes 1.3 s, private API found at 1:23, 730 dates fetched at 1:53, 30 retried at 3:15, done at 3:33.
这是该次运行中的一条轨迹。时间表示任务开始后经过的分钟数。

其他得分在 0.58 至 0.76 之间的轨迹也表现出同样的习惯。在一项被标记为“仅观察”、涉及某网站冒充软件品牌的任务中,智能体关闭了 JavaScript,屏蔽了两个追踪器主机,并在开始浏览前记录了每一次重定向。在一项广告资料库任务中,它将 Animation.setPlaybackRate 设为 100,使对话框不再浪费时间;收集了 140 个 ID 后,它又将速率调回 1,并输出“已恢复动画速率”。我们从未编写过这样的清理规则。

专用工具仍然胜出的场景

验证码是代码和文字说明败下阵来的地方。在预发布环境中,我们的 Ultrafast 智能体面对一段解释验证码的提示词时,在 hCaptcha 上 3 次尝试全部失败,而我们的 solve_captcha 工具 则取得了 6 次全胜。这只是针对一家供应商的小规模测试。我们认为该工具之所以胜出,是因为它通过自定义 CDP 命令启用了浏览器内部的求解器开关,而智能体无法从页面中访问这个开关。

因此,我们的原则很简单:如果智能体已经具备所需的基础能力,就写成文字说明,让它自行使用;如果不具备,就构建工具。

如何试用 browser-use 1.0

运行 uv add browser-use, 设置 BROWSER_USE_API_KEY (或通过 传入你自己的模型 llm=),并使用上面的三行代码。

然后记录你自己的智能体实际调用了哪些辅助函数,并删除其余函数。我们用了 7 项任务和 50 分钟,才发现其中一半根本没有被使用。

发布于 2026 年 11 月 20 日

继续阅读

所有文章

工程

/2026 年 11 月 20 日

浏览器智能体被拦截?如何判断撞上了哪堵墙并成功绕过

我们向每个拦截浏览器智能体的网站支付了 100 美元。在能够测试的 82 个网站中,有 7 个每次都会拦截它,另有 6 个只拦截来自美国的流量。以下是针对每种拦截的解决方法。

Magnus Müller

工程

/2026 年 11 月 20 日

如何让浏览器智能体更快:我们发现的六个原因

一项 Google Flights 任务让我们的浏览器智能体耗时 30.7 秒。六个原因解释了其中的大部分耗时,仅调整两个配置标志就将时间缩短到了 20.7 秒。

Magnus Müller

工程

/2026 年 11 月 20 日

LLM 充当评判者时的漏洞:我们的评判模型只读取了每个答案的五分之一

一项修复在我们的智能体评测中让得分提高了 5.1 分。其中多达一半的提升来自一个漏洞:我们的 LLM 评判模型只能看到每个答案的末尾。重新评判已保存的运行结果是如何发现这个问题的。

Magnus Müller