4天开发，1700万美元融资：开源的Browser Use为啥这么火？

import asyncio
from playwright.async_api import async_playwright
from openai import OpenAI
import json

client = OpenAI()# 替换为你的AI模型客户端

async def main():
# 初始化浏览器
async with async_playwright() as p:
browser = await p.chromium.launch(headless=False)
page = await browser.new_page()

# 导航到目标网站
await page.goto("https://example.com")

# 主循环
for step in range(5):# 最多执行5步
# 1. 观察：获取页面状态
state = await get_page_state(page)

# 2. 思考：让AI决策下一步
next_action = await get_ai_decision(state)
print(f"AI决定: {next_action}")

# 如果AI决定完成任务，退出循环
if next_action["action"] == "done":
print(f"任务完成: {next_action.get('reason', '')}")
break

# 3. 行动：执行AI决策
await execute_action(page, next_action)
await page.wait_for_load_state("networkidle")

await browser.close()

async def get_page_state(page):
"""获取当前页面状态"""
# 获取页面基本信息
url = page.url
title = await page.title()

# 获取可交互元素
elements = await page.evaluate("""() => {
const results = [];
const all = document.querySelectorAll('a, button, input, select, textarea');

all.forEach((el, index) => {
const rect = el.getBoundingClientRect();
// 只收集可见元素
if (rect.width > 0 && rect.height > 0) {
results.push({
index: index,
tag: el.tagName.toLowerCase(),
text: el.innerText || el.value || '',
type: el.type || '',
id: el.id || '',
name: el.name || '',
className: el.className || ''
});
}
});

return results;
}""")

# 将元素列表格式化为易读形式
elements_text = ""
for el in elements:
elements_text += f"[{el['index']}] <{el['tag']}> {el['text']} {el['id']}\n"

return {
"url": url,
"title": title,
"elements": elements,
"elements_text": elements_text
}

async def get_ai_decision(state):
"""使用AI决定下一步行动"""
prompt = f"""
你是一个浏览器自动化助手。根据当前页面状态，决定下一步操作。

当前URL: {state['url']}
页面标题: {state['title']}

可交互元素:
{state['elements_text']}

请从以下选择一个动作:
1. click - 点击元素，参数: index (整数)
2. input - 输入文本，参数: index (整数), text (字符串)
3. goto - 导航到URL，参数: url (字符串)
4. done - 完成任务，参数: reason (字符串)

以JSON格式返回决策，例如: {"action": "click", "index": 2}
"""

response = client.chat.completions.create(
model="gpt-4",
messages=[{"role": "user", "content": prompt}],
response_format={"type": "json_object"}
)

# 解析AI响应
try:
return json.loads(response.choices[0].message.content)
except:
# 解析失败时的后备策略
return {"action": "done", "reason": "无法解析AI响应"}

async def execute_action(page, action):
"""执行AI决定的动作"""
if action["action"] == "click":
# 获取元素并点击
elements = await page.evaluate("""() => {
const results = [];
const all = document.querySelectorAll('a, button, input, select, textarea');

all.forEach((el, index) => {
const rect = el.getBoundingClientRect();
if (rect.width > 0 && rect.height > 0) {
results.push({
index: index,
rect: {x: rect.x, y: rect.y, width: rect.width, height: rect.height}
});
}
});

return results;
}""")

for el in elements:
if el["index"] == action["index"]:
# 点击元素中心
x = el["rect"]["x"] + el["rect"]["width"] / 2
y = el["rect"]["y"] + el["rect"]["height"] / 2
await page.mouse.click(x, y)
return

elif action["action"] == "input":
# 先点击输入框，再输入文本
await execute_action(page, {"action": "click", "index": action["index"]})
await page.keyboard.type(action["text"])

elif action["action"] == "goto":
# 导航到指定URL
await page.goto(action["url"])

if __name__ == "__main__":
asyncio.run(main())