AIにブラウザ操作を丸投げ！買い物も求人応募も自動化する万能エージェント — browser-use

アーキテクチャ・仕組み

• browser-useはPythonベースのライブラリで、LLM（大規模言語モデル）がブラウザを直接操作できる仕組みを提供する
• AIエージェントがウェブページの要素（ボタン、入力欄など）を認識し、クリック・入力・スクリーンショット取得などのアクションを実行する
• 非同期処理（asyncio）を活用した設計

対応LLMモデル

• ChatBrowserUse: browser-use専用に最適化されたモデル。他モデルの3〜5倍の速度で動作し、最高精度を実現
  • 料金: 入力$0.20/100万トークン、キャッシュ入力$0.02/100万トークン、出力$2.00/100万トークン
• bu-30b-a3b-preview: オープンソースプレビューモデル
• Google Gemini (例: gemini-3-flash-preview)
• Anthropic Claude (例: claude-sonnet-4-6)
• Ollama経由のローカルモデルにも対応

ベンチマーク

• 100の実世界ブラウザタスクで精度を測定（ベンチマークもオープンソース: browser-use/benchmark）
• モデルごとの成功率比較が公開されている

主要機能一覧

• 自然言語タスク指示: テキストでタスクを記述するだけでエージェントが実行
• カスタムツール: @tools.actionデコレータで独自ツールを追加可能
• CLIインターフェース: browser-use open, browser-use click, browser-use typeなどのコマンドで対話的にブラウザを操作
• テンプレート生成: default, advanced, toolsの3種類のテンプレートで素早くプロジェクト開始
• 認証対応: 既存のChromeプロファイル（保存済みログイン）の再利用が可能
• Claude Code連携: スキルファイルをインストールしてAI支援ブラウザ自動化が可能

オープンソース版 vs クラウド版

対応環境

• Python: 3.11以上
• ブラウザ: Chromiumベース
• パッケージ管理: uv推奨

制約・注意点

• Chromeは大量のメモリを消費するため、並列実行時は注意が必要
• CAPTCHA対策には別途クラウド版の利用が推奨される
• 本番環境での大規模運用にはクラウドAPIの利用が推奨される

ライセンス

• MITライセンス（オープンソース部分）
• クラウドサービスには別途利用規約・プライバシーポリシーあり

インストール手順（Python 3.11以上が必要）

1. uv（Pythonパッケージ管理ツール）で環境を作成しインストール:

uv init && uv add browser-use && uv sync
# Chromiumが未インストールの場合は以下も実行
uvx browser-use install

2. [任意] APIキーを設定（.envファイルに記載）:

BROWSER_USE_API_KEY=your-key
# GOOGLE_API_KEY=your-key
# ANTHROPIC_API_KEY=your-key

3. 最初のエージェントを実行:

from browser_use import Agent, Browser, ChatBrowserUse
import asyncio

async def main():
    browser = Browser()
    agent = Agent(
        task="Find the number of stars of the browser-use repo",
        llm=ChatBrowserUse(),
        browser=browser,
    )
    await agent.run()

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

テンプレートから素早く始める場合:

uvx browser-use init --template default