用本地 Chrome + DeepSeek 实现浏览器自动化:browser-use 实战与踩坑记录

VIP用本地 Chrome + DeepSeek 实现浏览器自动化:browser-use 实战与踩坑记录
本文记录了使用本地Chrome浏览器结合DeepSeek API实现浏览器自动化的实战经验。作者通过browser-use项目连接本地Chrome(启动时需添加--remote-debugging-port=9222参数),并解决了DeepSeek API不支持response_format的问题,通过设置dont_force_structured_output=True和add_schema_to_system_prompt=True成功绕过。同时分享了任务描述需精准的重要性,避免Agent输出多余信息导
开通可读全文 ·752 人阅读
最低0.47元/天 解锁文章

用本地 Chrome + DeepSeek 实现浏览器自动化:browser-use 实战与踩坑记录

最近在研究 AI 驱动的浏览器自动化,发现了一个很有意思的项目叫 browser-use,它能让 LLM 直接控制浏览器完成各种操作,比如点击、输入、滚动等。官方示例大多用的是 OpenAI 或 Anthropic 的模型,但我手头有 DeepSeek 的 API key,而且不想每次启动都开一个新的浏览器实例(用自己日常的 Chrome 多方便),于是决定折腾一下。

这篇文章记录了我从零开始配置、踩坑到最终跑通的全过程,希望能帮到有类似需求的朋友。


1. 环境准备

首先,我之前做playwright的项目的时候,安装过一个能通过 CDP(Chrome DevTools Protocol)连接的 Chrome 浏览器。启动时需要带上调试端口:

Windows 用户类似:

"C:\Program Files\Google\Chrome Dev\Application\chrome.exe" --remote-debugging-port=9222

启动后,Chrome 会打开一个空白页,同时监听 9222 端口。注意不要关闭这个窗口,我们的 Python 脚本会通过这个端口连接到当前浏览器。

接着安装必要的 Python 包:
browser_use

2. 初次尝试:导入问题

根据官方文档,我一开始这样写:

from browser_use import Agent, Browser, ChatOpenAI
from dotenv import load_dotenv
import os

load_dotenv()

llm = ChatOpenAI(model='deepseek-chat', api_key=os.getenv('DEEPSEEK_API_KEY'), base_url='https://api.deepseek.com/v1')
browser = Browser(cdp_url="http://localhost:9222")
agent = Agent
VIP Browser-use 智能浏览器自动化操作工具部署与使用教程(2025最新版) 🚀 释放AI驱动力,让你的浏览器听懂自然语言,自动完成网页操作! 开通可读全文·4.1k 阅读·20 点赞·22 收藏 阅读全文

相关推荐

本地Chrome+DeepSeek实现CDP原生浏览器自动化

浏览器自动化正从传统DOM操作迈向底层协议控制,Chrome DevTools Protocol(CDP)作为浏览器内核级控制平面,支持对渲染、网络、JS执行等全链路实时干预。相比Selenium/Puppeteer的抽象封装,CDP原生通信具备零代理延迟、进程级精度与GPU帧捕获能力,尤其适配WebGL、WebAssembly等强交互网页。结合本地部署的DeepSeek-VL视觉语言模型,可直接处理截图像素流并输出结构化坐标与语义JSON,规避云端API的传输延迟与HTML结构信息丢失问题。该技术栈已在金

weixin_34098209的博客 234

Browser-Use WebUI:AI Agent浏览器自动化实战与避坑指南

浏览器自动化是软件工程中实现网页操作自动化的关键技术,其核心原理是通过脚本或程序模拟人类在浏览器中的交互行为,如点击、输入和导航。传统方法依赖于Selenium或Playwright等库编写精确的定位脚本,而现代AI Agent技术将大语言模型的自然语言理解与规划能力引入此领域,实现了从“如何做”到“做什么”的范式转变。Browser-Use框架正是这一趋势的代表,它将LLM作为决策大脑,将Playwright作为执行手脚,构建了一个能理解模糊指令并自主完成复杂网页任务的智能体。其技术价值在于大幅降低了自动

huqiyes的专栏 357

browser-use与video-use:让AI Agent从聊天到操作浏览器与视频

AI Agent 正从对话式交互向真实操作层演进,大模型不再只是“会聊天”,而是开始“动手干活”。这类智能代理通过感知—决策—执行的循环,能够驱动浏览器完成点击、输入、表单填写等操作,从而替代传统 RPA 的固定脚本,从根本上解决页面变更带来的维护难题。同时,随着多模态模型的发展,Agent 的感知范围从文字和静态网页扩展到视频内容,结合视频理解与浏览器自动化,即可构建从信息提取到任务执行的全链路工作流。本文从 Agent 能力跃迁的视角切入,梳理 browser-use 的核心原理与工作流程,并通过真实示

weixin_34259232的博客 585

基于Browser Use与Playwright的AI Web Agent构建实战指南

自动化测试与网页数据抓取是软件工程和数据分析中的基础需求,传统方法依赖于预先编写的脚本,通过模拟用户操作实现流程自动化。其核心原理在于对浏览器进行程序化控制,执行点击、输入等交互。这项技术的价值在于提升重复性任务的效率与准确性,广泛应用于数据采集、自动化测试、监控报警等场景。随着人工智能技术的发展,结合大语言模型的AI Agent为传统自动化带来了新的范式。AI Agent能够理解自然语言指令,动态解析网页内容,并自主决策操作路径,从而处理更复杂、非结构化的任务。本文聚焦于如何利用Browser Use与P

weixin_30580341的博客 425

Browser Use:AI智能体自动化操作浏览器的开源工具

browser-use是一个Python库,它能够帮助我们将AI代理与浏览器自动化操作结合起来; 通过这个库,我们可以定义AI代理的任务,允许其在浏览器中执行特定操作,如访问网页、点击按钮、填写表单、提取网页信息等;browser-use结合了浏览器自动化(Playwright)工具,能够提供稳定的跨平台支持,使得我们能够在不同操作系统上运行自动化任务。

blues_C的博客 1万+

Browser-Use Web UI:浏览器自动化与AI的完美结合

Web UI是在Browser-Use的基础上,加上了UI操作界面,同时也对一些功能进行了扩展,降低了使用门槛。它允许开发者通过图形界面与 AI 模型进行对话,同时支持包括OpenAI、Anthropic、Gemini等在内的多种大型语言模型。与传统的浏览器交互相比,这种方式更便于执行复杂的网页操作和数据采集。不仅如此,WebUI 还提供了支持自定义浏览器的功能,无需重复登录或认证,直接利用现有浏览器数据执行任务。

blues_C的博客 6780

LaTeX伪代码字体大小调整全攻略:从algorithm到algorithm2e的实战技巧

本文详细介绍了在LaTeX中调整伪代码字体大小的全面技巧,涵盖algorithm、algorithmicx和algorithm2e等主流算法包的使用方法。从基础命令到高级配置,帮助用户解决学术论文和技术文档中的伪代码排版问题,提升算法展示的专业性和可读性。特别针对不同期刊格式要求,提供了实用的字体调整方案。

weixin_29297127的博客 438

ABAP 7.40+新语法实战:用VALUE和REDUCE五分钟搞定复杂内表统计

本文详细介绍了ABAP 7.40+新语法中的VALUE和REDUCE操作符,如何高效处理复杂内表统计任务。通过实战案例展示,这些新语法能将代码量减少70%以上,显著提升开发效率和可读性,特别适合大数据量下的销售数据分析、分组统计等场景。

weixin_27219587的博客 207

java结合Ai

Spring AI 是 AI 工程的应用框架。其目标是将Spring生态系统的设计原则(如可移植性和模块化设计)应用于AI领域,并促进使用POJO作为应用程序的构建块到AI领域。特征跨 AI 提供商的可移植 API 支持,适用于聊天、文本到图像和嵌入模型。支持同步 API 和流 API 选项。还支持下拉以访问特定于模型的功能。聊天模型亚马逊基岩人类学Cohere的命令AI21 Labs的侏罗纪-2Meta 的 LLama亚马逊的泰坦人类学克劳德Azure 开放式 AI。

qq_67832732的博客 2851

Nginx/OpenResty目录穿越漏洞复现

Nginx/OpenResty目录穿越漏洞复现 漏洞背景: 2020年03月18日, 360CERT监测发现 openwall oss-security 邮件组披露了两枚漏洞。在特定配置下 nginx/openresty 存在 内存泄漏漏洞/目录穿越漏洞。 Nginx 是异步框架的网页服务器,也可以用作反向代理、负载平衡器和HTTP缓存。 OpenResty是一个基于nginx的Web平台,它对nginx增加LuaJIT引擎使其运行Lua脚本。 影响版本: nginx <= v1.17

小小猪的博客 1万+

STM32CUBEMX配置SDRAM

STM32CUBEMX配置SDRAM

Master_0_的博客 2985

从零开始:Doherty功率放大器的ADS仿真实践指南

本文详细介绍了Doherty功率放大器在ADS中的仿真设计流程,从基础原理到实际工程应用。通过负载调制技术,Doherty结构显著提高了功率放大器的效率,特别适合处理高峰均比信号。文章包含ADS环境搭建、对称与非对称设计、常见问题调试等实用内容,为射频工程师提供全面的实践指南。

weixin_29313547的博客 695

从零开始:手把手教你设计人形机器人锂电池供电系统

人形机器人要像人类一样“活起来”,必须有稳定的“能量血液”——供电系统。本文聚焦锂电池供电系统如何根据机器人功耗选择合适的锂电池参数(容量、电压、放电倍率);如何设计电池管理系统(BMS)保护电池安全;如何解决机器人运动时的“瞬时大电流”供电难题;如何通过硬件电路和代码实现供电系统的监测与控制。用“机器人小助手的能量危机”故事引入锂电池供电系统;拆解锂电池核心参数(容量、电压、放电倍率)和供电系统三大组件(电池组、BMS、电源转换模块);

AI天才研究院 1763

Win11右下角不显示图标怎么办?Win11右下角不显示图标的解决方法

所以有不少符合资格的小伙伴都下载进行体验了,但是有的小伙伴在升级完系统之后发现桌面右下角不显示任何图标,那么遇到这种情况要怎么办呢?下面就和小编一起来看看有什么解决方法吧。2、接着找到任务栏设置中的“taskbar corner overflow”。3、然后在下方勾选打开想要显示的图标程序就可以了。1、首先右键任务栏,在其中选择“任务栏设置”。目前微软已经正式推出了。

2401_88800025的博客 888

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

上一篇: 【浏览器MCP组件】 chrome-devtools的快捷方式和MCP配置
下一篇: 排查记录:Kimi API 调用一直正常的接口突然报错 invalid temperature 的解决过程
伊玛目的门徒
博客等级 码龄10年 1279粉丝 204原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值