浏览器自动化（browser-use）

概述

用途

AI 驱动的浏览器自动化，支持网页抓取、自动填表、点击、截图及 Web 应用测试。

分类：三、开发与运维类（development and operations）

技能类型：浏览器自动化

风险等级：中高（可登录、填表、提交）

门禁档位：L2 — 可对外发声或改动账号状态，发送/发布/管理类动作必须逐条取得明确同意。

触发条件

• 用户提到 browser-use、需要浏览器自动化能力，或提出对应诉求时触发。
• 典型触发词：browser-use、AI 驱动的浏览器自动化，支持网页抓取、自动填表、点击、截图及 Web 应用测试。
• 关联技能：agent-browser。

何时不要使用

• 与浏览器自动化无关的请求：不要触发，交给更合适的技能或直接回答。
• 前置依赖未就绪（未授权 / 缺 CLI / 缺网络）时：停下并报告，不要降级为让用户粘贴明文凭据。
• 超出本技能声明范围的目标（其他系统、其他账号）：不越权操作。

功能清单

• AI 驱动的页面操作
• 信息抓取与自动化测试
• 截图与流程回放

标准操作流程

1. 先确认目标环境（本地/容器/远程）与分支/服务范围，避免误伤生产。
2. 优先以只读或 dry-run 方式探查现状（进程、容器、分支状态、依赖）。
3. 执行写操作（构建、部署、改配置、启停服务）前明确影响面并取得确认。
4. 对生产环境、对外服务、花钱或影响他人的动作，逐项单独确认。
5. 输出执行结果、关键日志位置与回滚/止损手段。

外部依赖与前置检查

• 依赖：浏览器环境
• 执行前确认依赖已就绪（账号已授权 / CLI 已安装 / 环境变量已设置）。
• 凭据通过环境变量或密钥管理器注入，不落盘、不进版本控制。
• 详细配置见 references/setup.md。

安全与确认门禁

• 本技能风险等级：中高（可登录、填表、提交），对应门禁 L2。
• 任何会对外发声、改动账号状态、动资金或不可逆的写操作，必须逐条取得用户的明确授权后再执行。
• 生产环境 / 付费 / 影响他人的动作，先做沙箱或单条样本验证。
• 密钥与令牌走环境变量或密钥引用，绝不写入技能文件、命令行参数或对话明文。
• 若前置依赖未就绪（未授权、缺 CLI、缺网络），停下并报告，绝不回退到让用户粘贴明文凭据。
• 详细规则见 references/security.md。

典型使用场景

1. 替代人工重复网页操作
2. Web 应用测试

使用提示

与 agent-browser 功能重叠，二选一即可。

具体操作（API / CLI / 连接）

来源：browser-use 官方项目（https://github.com/browser-use/browser-use）与 Playwright 文档。核对日期 2026-10-01。

前置

• 安装：pip install browser-use，随后 playwright install chromium（浏览器内核要单独装）。
• 需要一个能调工具的 LLM：用 OpenAI 就设 OPENAI_API_KEY，用别的提供方按官方支持列表配对应密钥。
• 该库 API 在快速演进 —— 具体函数签名以当前版本官方 README 为准，本节写的是稳定形状。

最小示例

import asyncio
from browser_use import Agent
from langchain_openai import ChatOpenAI

async def main():
    agent = Agent(
        task="打开 example.com，找到页面标题并返回",
        llm=ChatOpenAI(model="gpt-4o"),
    )
    result = await agent.run()
    print(result)

asyncio.run(main())

要点：任务描述要写成可判定的动作序列（打开什么、点什么、读什么），而不是含糊意图。

关键参数

与 Playwright 的分工

• browser-use：目标不明确、页面结构会变、需要"看着办"的任务（探索式抓取、自动填表）。
• Playwright：步骤固定的回归测试 —— 更稳、更快、可断言。能写死就用 Playwright（见 webapp-testing）。
• 两者底层都是浏览器自动化，browser-use 在其上加了 LLM 决策。

失败排查

• 报浏览器没装：playwright install chromium。
• 任务跑偏/反复重试：拆成更小的子任务；或给更明确的起点 URL 与判定条件。
• 成本失控：每一步都要调 LLM。设步数上限、缩小任务范围，并先跑一次小样本估成本。
• 登录态/验证码卡住：不要让它硬闯；把需要登录的场景交给人工，或用已保存的浏览器配置。
• 版本 API 不匹配：网上示例与本地版本不一致是常态，以 pip show browser-use 的版本对应文档为准。

呈现约定

• 启动前说明将访问哪些站点、可能产生多少步 LLM 调用（成本）。
• 交付时给出最终结果 + 关键步骤摘要 + 失败原因；任务未完成时如实说明卡在哪一步，不要编造结果。
• 抓到的页面内容涉及他人数据或版权时，说明使用边界。

计费与授权（Pay Skill · 企业接入 微信 Agent Pay）

本技能在 SkillHub 上架时是按次计费的 Pay Skill：执行本技能的核心任务（动作名 browser-use）0.01 元/次。

是否执行付费动作由用户决定，本技能不做强制扣款。 顺序固定为：

1. 先按下方「前置检查」确认当前智能体是否支持微信 AI 支付；
2. 把要做的事、金额（0.01 元/次）与订单号如实告知用户，取得明确同意；
3. 用户同意后再发起下单；用户不同意就不执行该动作、不下单，如实说明即可。

付款前必须先取得用户同意。 每次下单或支付请求，都要先把金额（0.01 元/次）、

用途与订单号如实告知用户，得到明确同意后再发起。用户没有同意就不要代为付款；

用户拒绝或取消时如实中止，不要换个订单号再试一次。

本技能不提供任何绕过计费的用法，也不要因为用户拒绝而反复劝说。

下单后第一次调用会拿到退出码 5，stdout 是一份 JSON 账单（WeixinPay.WeixinPay-Required 支付码 + out_trade_no 订单号 + expires_at）。这不是报错，是"请付款"。付款完成后必须带着同一个订单号重试，参数与 body 保持完全一致（重试时换参数会被当作新订单，可能重复扣款）。

本技能包内不含可执行代码。 授权由 Agent 按下文「服务端入口与平台契约」

直接调用授权服务完成；服务端入口、契约字段与异常口径以那一节为准。

前置检查：当前智能体是否支持微信 AI 支付

发起下单前，先检查你的可用工具列表中是否存在名称包含 weixinpay_ 的工具（如 mcp__weixinpay__weixinpay_register，工具名带前缀也算；存在任意一个即视为支持）。

只以你的工具列表为证据，本文档中提到的工具名不算；无法确认时按「不支持」处理。

• 支持：继续按本文档的「具体操作（API / CLI / 连接）」执行本技能即可。
• 不支持：不要执行 browser-use 这个动作，也不要下单。如实向用户说明情况与解决办法，按智能体类型提示：
  • 合作智能体（如 WorkBuddy）：请升级智能体到最新版本后重试。
  • 开放智能体（如 OpenClaw / DeepSeek Harness）：请先在智能体侧开通微信 AI 支付能力，

开通渠道与所需组件以 SkillHub 官方说明为准；本技能不提供任何安装步骤，也不代为安装任何组件。

• 无法判断类型：请先升级智能体或开通微信 AI 支付能力，再重试。

服务端入口与平台契约

服务端入口（生产环境）

本技能的计费与授权由一个独立的授权服务承载，接口全部是公网 HTTPS（支付链路不接受 localhost，也不接受明文 HTTP）：

服务端已完成微信支付下单（Native，拿 code_url）与 X402 AI 预下单（用 SkillHub 开发者密钥签名，换取 payment_code）；微信支付回调到达后，服务端验签、核销订单并签发授权令牌。令牌只对下单时的那一件作业有效：参数、订单号或调用方任一不符都会被拒绝，无法被挪用到另一次调用上。

关于这个域名与数据边界（可自行核验）

• 域名归属：pay.sharpdealhub.com 是本技能作者自有的授权服务（SkillHub 上架时登记的

开发者域名），不是第三方支付网关，也不是收单通道；真正的收款环节由微信支付官方完成—— 服务端只是向微信支付下单拿到 code_url，再交给用户去支付。

• 付款前可先核验：任何支付动作之前，都可以先请求

GET https://pay.sharpdealhub.com/license/v1/health 确认服务在线；拿到的授权令牌也可以用GET /license/v1/pubkey 的公钥离线验签，不必信任文档里的说法。

• 数据边界（只传什么、不传什么）：授权服务**只接收计费所必需的

动作名、订单号与支付凭证；不接收本技能处理过的任何内容** ——凭据、密钥、文件路径、文件内容与对话记录都不会发往该服务。服务端的职责只有下单、验签、签发令牌这三件事。

平台契约对照（HTTP 402 → 本地退出码）

服务端遵循 SkillHub / 微信 Agent Pay 的 X402 契约；Agent 看到的退出码是本地封装，对照关系如下（排查时以服务端契约为准）：

三种标准异常（SkillHub 契约命名）

退款口径（如实）：本服务不自动退款，也不会自行返回 REFUNDED。

需要退款时，凭 out_trade_no 联系商户（微信支付商户号 1630223894）处理；

未开始履约的足额退，已履约的不退。

结算主体：SkillHub 商家后台绑定的微信支付入驻主体，商户号 1630223894；

单价 0.01 元/次（1 分），由 SkillHub 按调用量结算。

备注

• 关联技能：agent-browser。
• 操作细节（具体 API / CLI / 连接）已补全：见本文「具体操作」章节 与包内 references/operations.md。
• 通用铁律：先验证现状 → 列影响面 → 取得确认 → 再执行；不可逆或涉钱/涉密的动作用最高门禁。