← プロジェクト一覧に戻る

Browser Use

ピクセルではなくDOMで操作する、エージェント向けブラウザ制御

MIT
スター
120k
フォーク
13.3k
オープンIssue
640
最終コミット
2026年10月30日

Browser Useとは

スクリーンショットからクリック座標を推測させるのではなく、ページ上の操作可能な要素を抽出して構造化リストとしてモデルに渡します。この方式により、フォーム入力やスクレイピングでの安定性が明確に高くなります。一方でcanvas主体のアプリケーションや、bot対策の強いサイトでは読み取れるDOMが存在せず、精度が落ちます。

Browser Useで何ができますか?

  • コーディングエージェントにブラウザを渡す — browser-use skill installでスキルを登録すると、Claude CodeやCodex、Cursorからブラウザ操作をそのまま依頼できます。
  • 繰り返し実行する自動化をコードで書く — PythonライブラリのAgent(task=..., llm=...)を自分のプロセスで動かせるため、定期スクレイピングや監視、QAの並列実行に向きます。
  • 独自ツールを追加する — Tools()に@tools.actionデコレータでPython関数を登録すると、組み込みのブラウザ操作と並べてエージェントが呼び出せます。
  • ログイン済みプロファイルを再利用 — examples/browser/real_browser.pyのように既存のChromeプロファイルを指定でき、profile-useを使えば認証状態をリモートブラウザへ同期できます。
  • 1つのキーで複数プロバイダを切り替え — ChatBrowserUseはanthropic/claude-sonnet-4-6やopenai/gpt-5.5といったプロバイダ接頭辞付きのモデルIDを受け取るため、BROWSER_USE_API_KEYだけで各社のモデルに到達できます。

Browser Useを選ぶ前に

  • ブラウザが返した画面の写しが会話に残り、それ以降どのメッセージも受け付けなくなることがあります。報告者は会話をやり直す以外に戻す方法を見つけられませんでした。長く続けず、短い単位で使うのが安全です。報告#4742

スター推移

8月15日〜10月30日 · +10.3k

109k120k

よくある質問

Browser Useは商用利用できますか?

Browser UseはMITライセンスで公開されています。OSI承認のオープンソースライセンスで、商用利用が認められています。

Browser Useはどの形で使えますか?

Browser Useはセルフホスト・ローカル実行・マネージドクラウドの形で利用できます。

Browser Use
AIに聞く
GitHub