browser-use WebUI + DeepSeek 基于AI的UI自动化解决方案

一、browser-use是什么

Browser Use 是一款开源Python库，专为大语言模型计划的智能欣赏器工具，目的是让 AI 可以或许像人类一样自然地欣赏和操纵网页。它支持多标签页管理、视觉辨认、内容提取，并能记载和重复实行特定动作。Browser Use 还支持开发者自定义动作，如生存数据到数据库，文件等。支持多种主流的大型语言模型，如 DeepSeek，GPT-4 和 Claude等，并支持同时运行多个任务，具备自我修正功能，从而提高任务实行的正确性和服从。
官网：https://browser-use.com/
项目网址 ：https://github.com/browser-use/browser-use
Browser-use采用的技能栈为：

• 1、Observation：页面剖析层，采用DOM剖析+截图辅助的非视觉+视觉方案。
  
  
  
  • DOM剖析（HTML + XPath）：Browser-use通过底层框架（如Playwright）获取当前页面的完整HTML结构，并提取文本、元素属性等关键信息。
    
  • 截图辅助：在某些情况下（如验证码辨认、动态图形验证），纯HTML剖析可能无法直接获取信息，此时体系会自动或按需天生页面截图，并将截图作为辅助输入传递给视觉模型
    
  
  
• 2、Thought：核心决议层，分析Observation提供的页面信息并天生操纵指令。
  
• 3、Action：指令实行层，微软开发的Playwright作为欣赏器控制框架直接与欣赏器交互完成自动化任务。Playwright作为新一代高性能UI自动化测试框架，提供低延迟、高稳定性的欣赏器控制本领，支持快速页面加载和元素操纵。
  

二、browser-use webui 紧张功能

提供了全新的网页界面，简单好用，方便操纵。
支持更多大语言模型，比如 Gemini、OpenAI、Azure 等，哦，还有最近爆火的国产大模型 DeepSeek，未来还会加更多。
支持用自己的欣赏器，不用再反复登录，还能录屏。
定制了更智能的 Agent，通过优化后的提示让欣赏器利用更高效。
利用场景

• 自动化任务：适合重复高频的欣赏器操纵任务，如表单填写，信息检索，文件下载
  
• 数据收集：适合爬取网络上的数据，如爬虫自动化测试：适合WEB UI
  
• 自动化测试，结合pytest轻松实现web自动化
  

三、利用教程

1.python 安装

1. python 官网： https://www.python.org/downloads/
2.     版本必须在 3.11 以上。

复制代码

2、把项目clone下来

1. git clone https://github.com/browser-use/web-ui.git
2. cd web-ui

复制代码

3、安装依赖

1. pip install browser-use
2. playwright install
3. pip install -r requirements.txt

复制代码

4、设置情况

基于 .env.example 复制一个 .env 文件，并在 .env 文件中修改以下信息

1. # 路径 Chrome 浏览器路径（检查下自己的路径），例如
2. # Mac OS "/Applications/Google Chrome.app/Contents/MacOS/Google Chrome"
3. # Windows "C:\Program Files\Google\Chrome\Application\chrome.exe"
4. CHROME_PATH="/Applications/Google Chrome.app/Contents/MacOS/Google Chrome"
6. # 浏览器的用户数据路径，例如
7. # Mac OS "/Users/<YourUsername>/Library/Application Support/Google/Chrome"
8. # Windows "C:\Users\<YourUsername>\AppData\Local\Google\Chrome\User Data"
9. CHROME_USER_DATA="/Users/<YourUsername>/Library/Application Support/Google/Chrome"
11. # 还有一些大模型的 API Key 也要改
12. ...

复制代码

5、启动

实行如下命令启动

1. python webui.py --ip 127.0.0.1 --port 7788

复制代码

启动乐成如下所示：

欣赏器访问 http://127.0.0.1:7788/，看到如下界面就乐成了

6、设置

1.设置 Agent

注意，这里的 Use Vision，默认是选中状态，如果利用的 DeepSeek 不能勾选，因为 DeepSeek 不支持视觉输入，注意这里许多人踩坑，肯定要注意。

2.设置要用的大模型

比方，下面我用的是 deepseek。

3.关于欣赏器的一些设置

四、DeepSeek 的API获取

DeepSeek ：https://platform.deepseek.com/api_keys

五、界面Demo 演示

输入要实行的任务就可以点击 Run Agent 了

以下是运行时的项目日记输出，记载了实行步骤

实行的过程中也会打开欣赏器和跳转到目的网站，按照区块一样对页面元素做标注。

在 Recodings 下会记载实行过程和反馈效果，还可以回看的。

六、代码示例

1.创建Agent

1. from langchain_openai import ChatOpenAI
2. from browser_use import Agent
3. import asyncio
5. async def main():
6.     agent = Agent(
7.         task="Go to Reddit, search for 'browser-use' in the search bar, click on the first post and return the first comment.",
8.         llm=ChatOpenAI(model="gpt-4o"),
9.     )
10.     result = await agent.run()
11.     print(result)
13. asyncio.run(main())

复制代码

如果没有openai-key的可以利用其他模型，下面以DeepSeek为例：
该文件在 browser-use/examples/deepseek.py

1. import asyncio
2. import os
4. from dotenv import load_dotenv
5. from langchain_openai import ChatOpenAI
6. from pydantic import SecretStr
8. from browser_use import Agent
10. # dotenv
11. load_dotenv()
13. api_key = os.getenv('DEEPSEEK_API_KEY', 'sk-xxxxxx')
14. if not api_key:
15.         raise ValueError('DEEPSEEK_API_KEY is not set')
18. async def run_search():
19.         agent = Agent(
20.                 task=(
21.                        
22.                         "1. 在搜索框中输入抖音并搜索"
23.                         '2. 点击搜索结果中的第一个链接'
24.                         '3. 关闭扫码登录'       
25.             '3. 返回第一个视频的内容'
26.    
27.                 ),
28.                 llm=ChatOpenAI(
29.                         base_url='https://api.deepseek.com/v1',
30.                         model='deepseek-chat',
31.                         api_key=SecretStr(api_key),
32.                 ),
33.                 use_vision=False,
34.         )
36.         await agent.run()
39. if __name__ == '__main__':
40.         asyncio.run(run_search())

复制代码

运行效果如下：

七、实例展示

一、爬取基金数据

1. llm = ChatOpenAI(
2.     model='deepseek-chat',
3.     api_key='*************',
4.     base_url='https://api.deepseek.com',
5.     temperature=0
6. )
8. asyncdefmain():
9.     agent = Agent(
10.         task="""
11.         1、导航到网址:https://fund.eastmoney.com/
12.         2、点击基金排行
13.         3、返回排行前10的基金数据，以json格式返回
14.         """,
15.         llm=llm,
16.         use_vision=False,
17.     )
18.     result = await agent.run()
19.     print(result.final_result())
21. asyncio.run(main())

复制代码

二、效果展示

1、导航到指定网址

2、点击基金排行

3、提取top 10的基金数据

[code]DEBUG    [browser_use] --act Execution time: 0.00 seconds
INFO     [controller]