Browser Use

Python Agentから実ブラウザを操作し、複数ステップのWebタスクを実行する

公式READMEはBrowser Useをブラウザを操作するAI Agentとして位置づけ、Python LibraryではAgentへ自然言語のtaskとLLMを渡してブラウザ操作を実行します。ページ遷移やフォーム操作のような複数ステップをAgent workflowへ組み込み、custom toolsやstructured outputを追加して独自アプリへ拡張できます。

出典：[1]

CLI・Python Library・Fully Hosted Cloudを、必要な運用範囲に応じて選べる

READMEは利用形態を3つに分けています。CLIはClaude CodeやCodexなど既存Agentへbrowser accessを追加し、Python Libraryは自分のAgent codeをローカルで実行します。Fully Hosted CloudではAgentとbrowser infrastructureの両方をAPI経由で実行します。CLIとPython Libraryはいずれもlocal browserまたはcloud browserへ接続できます。

出典：[1]

LLM providerとbrowser実行先を独立して選び、localからmanaged infrastructureまで段階的に構成する

OpenAI・Anthropic・Googleなどのprovider wrapperを直接利用でき、Browser UseのChatBrowserUse gatewayやローカルモデルも選択できます。browser側もlocal browserとcloud browserを切り替えられるため、LLM inference、認証情報、browser executionを一つのvendorへ固定せず構成できます。

出典：[1][3]

Playwright系のbrowser automationとAgent向けtoolingをPython packageとして提供する

GitHub Topicsにはplaywrightとbrowser-automationがあり、packageはPython 3.11以上を要求します。pyprojectにはOpenAI・Anthropic・Groq・Ollama・MCP・browser-harnessなどの依存が定義され、CLI entry pointとしてbrowser-useも提供されています。

出典：[2][3]

人向けWeb UIしかない業務をAgent化し、既存AI workflowからブラウザ操作を呼び出したい場合に

APIが用意されていないWebサービスの操作、調査・予約・入力などのbrowser taskをAgentへ任せたい開発者に向きます。まずlocal browserとPython Libraryでprototypeし、必要になった段階でmanaged browserやhosted agentへ移行できるため、PoCから運用まで段階的に比較しやすい構成です。

Web操作には実アカウント・cookie・外部サービスへの副作用が伴うため、Agent権限と実行環境を分離する

ローカルChrome profileを再利用する場合、Agentはそのsessionでログイン済みサイトへアクセスできます。cloud profile syncはcookieを転送しますが、local storage・IndexedDB・extensionは対象外です。書き込み操作や購入・予約・投稿を伴うtaskでは、専用profile、最小権限のaccount、実行前確認、監査可能なloggingを組み合わせる方が安全です。

Cloud browserはstealth browser、proxy、profile、recordingなどをmanaged serviceとして提供し、Fully Hosted CloudではAgentもBrowser Use側で実行されます。OSS Python libraryはMITですが、model providerとBrowser Use Cloudは別料金・別サービス条件です。どのデータがLLM provider、browser infrastructure、hosted agentへ渡るかを構成ごとに確認する必要があります。

出典：[1][4]