Browser Use
开源的事件驱动AI Agent框架，核心能力是让LLM根据自然语言任务描述自主驱动浏览器操作，支持多LLM供应商，采用分层解耦架构，整合浏览器控制、工具注册、Skills、Sandbox和MCP
时间轴 (近 90 天)
Creator 利用 QwenPaw 的 Browser Use 和 Computer Use 基建，让 Agent 能自动操作软件、截图或录屏以制作教学演示视频
基于无障碍树的浏览器交互方案相比截图+视觉识别方案Token消耗大幅降低，且在表单填写、下拉选择等精细操作上可靠性更高
Anthropic宣布Computer Use、Skills API与Files API正式转正（GA），并推出基于网页无障碍树解析的Browser Use工具集，为每个组织提供专用文件存储空间与5倍速率上限
2024年以来，随着多模态大模型能力提升，Browser Use、WebVoyager、Anthropic的Computer Use等项目相继出现
浏览器自动化领域的开源替代方案包括Browser Use、LaVague等可自行部署的项目
Browser Use 采用事件驱动分层解耦架构，核心分为 Agent 层、LLM 层、Tools(Registry) 层和 Browser 层四层
Accessibility 树相比原始 HTML DOM 过滤了大量纯视觉样式信息，保留语义层面的可交互元素，能在降低 token 消耗的同时提升 Agent 感知准确性
全部知识事实 (7)
Creator 利用 QwenPaw 的 Browser Use 和 Computer Use 基建，让 Agent 能自动操作软件、截图或录屏以制作教学演示视频
50%待验证基于无障碍树的浏览器交互方案相比截图+视觉识别方案Token消耗大幅降低，且在表单填写、下拉选择等精细操作上可靠性更高
50%待验证浏览器自动化领域的开源替代方案包括Browser Use、LaVague等可自行部署的项目
50%待验证Accessibility 树相比原始 HTML DOM 过滤了大量纯视觉样式信息，保留语义层面的可交互元素，能在降低 token 消耗的同时提升 Agent 感知准确性
50%待验证Browser Use 采用事件驱动分层解耦架构，核心分为 Agent 层、LLM 层、Tools(Registry) 层和 Browser 层四层
50%待验证Anthropic宣布Computer Use、Skills API与Files API正式转正（GA），并推出基于网页无障碍树解析的Browser Use工具集，为每个组织提供专用文件存储空间与5倍速率上限
50%待验证2024年以来，随着多模态大模型能力提升，Browser Use、WebVoyager、Anthropic的Computer Use等项目相继出现
50%