页面上明明有 Cookie 同意按钮,Browser Use 送给模型的状态里没有。无障碍树没暴露,或者中间处理丢掉了,结果都一样,模型看不到这个按钮。2026 年 9 月 15 日,联合创始人兼 CTO Gregor Zunic 在官方博客里用这个例子解释浏览器 Agent 为什么要改。
Browser Use 2024 年 11 月上线时,GPT-4o 还没为计算机使用(computer use)专门训练过,他们只好把页面上能看什么、能点什么一项一项规定好。后来模型写代码越来越稳,他们把动作改成程序。再往后,观察也交给模型,直连 Chrome 开发者工具协议(CDP)。
谁定观察、谁定动作,先按三阶段看这张表。

| 阶段 | 谁定观察 | 谁定动作 | 适合场景 | 主要局限 |
|---|---|---|---|---|
| 固定动作 | Browser Use 预先提供页面状态 | 人规定点击、输入、滚动 | 模型还不懂页面 | 每个例外再补一条规则 |
| 写代码 | Browser Use 预先提供页面状态 | 模型写 JavaScript、持久笔记本 | 画签名、循环点评论 | 状态里没有的,写了代码也看不见 |
| 直连 CDP | 模型自己查 | 模型自己编写操作代码 | 复杂站点、闭合影子根、跨源内嵌框架 | Agent 循环的缺陷可能中断长任务 |
模型可以自己写操作代码后,Cookie 同意按钮仍可能不在它收到的页面状态里。写代码阶段仍由 Browser Use 提供页面状态。直连 CDP 阶段,模型自己决定看什么。
一、固定动作:人规定能看什么、能点什么
早期循环很简单,人先规定页面状态,这里能点、那里能输,模型只从这份列表里挑一项,Browser Use 执行完再送回下一份状态。
2024 年底那种还不会计算机使用的模型,要把动作空间收窄,它才知道自己能干什么。浏览器页面的例外太多,官方每碰到一种新情况,就得再补一条规则。
二、写代码:动作交给模型,页面状态仍由人提供
2025 年 9 月他们试过让模型执行 JavaScript,10 月试过持久笔记本。模型可以写一段程序,变量还留着,再检查结果接着跑。画签名、循环点评论,不必再等人发明一个新动作。
Nous Research 的 Hermes Agent 把 12 个浏览器工具合并为一个 browser_exec,底层是 Browser Use CLI。截至 2026-09-15 官方博客,Opus 4.8 平均 token 用量降 60%,Kimi K3 降 66%。每个模型都跑了 18 次,即 6 项任务各跑 3 次,18 次全部完成。这是官方自己的评测口径,样本量就是这 18 次。
模型可以写动作了,页面状态仍由人生成、再送回去。电子病历(EHR)下拉是官方给的例子,外层开放影子根,中间嵌一个跨源内嵌框架(iframe),按钮藏在闭合影子根(closed shadow root)里。预先写好的页面状态规则,不可能猜中每个网站的嵌套方式,模型看到的页面仍受这些规则限制。
三、直连 CDP:模型自己决定看什么
他们把 CDP 直接交给模型,没有一份强制的可点元素清单,模型可以写代码查 DOM、截图、进某一个内嵌框架。浏览器当然还有状态,系统不用再把所有页面信息整理成同一种格式。这一问用截图就能回答,下一问去查 DOM,由模型自己决定。
CDP 是 Chrome 原生控制协议,模型可以直接发命令。官方写 Playwright 的定位器看不到闭合影子根,CDP 能直接检查这些根。Playwright 本身也暴露 CDP,Browser Use 把直连设成默认。
他们建议复用已经在跑的 Agent 循环,也就是模型反复调工具、压缩上下文的那一层。Pi、Codex、OpenCode 已经在跑 Agent 循环。官方认为,现成编码 Agent 已经被大量用户用于不同任务,循环经过了更多检验。一个已经跑了五小时的验收任务,不该因为循环里的缺陷中途失败。官方写过一次上下文压缩(compaction)套娃,压缩产生的上下文立刻再次触发压缩。
Browser Harness、BrowserCode 和 Browser Use Pi 都让模型自己选看什么、做什么。前面说的 Pi 是现成编码 Agent,Browser Use Pi 只在官方博客点名第三条产品线。Claude Code、Codex、Cursor 都可以通过官方提示词或 Skill 接到本机 Chrome,Hermes Agent 默认用 Browser Use CLI。官方落地页写着,本地 Chrome 免费,云端隐身浏览器按每个浏览器每小时 0.02 美元计费(截至 2026-09-16)。
模型还不能稳定操作页面时,固定清单仍然有用。模型已经能自己查询 CDP 后,接入方可以重新判断这份清单是否值得继续维护。
参考链接
- The Bitter Lesson of Browser Agents:https://browser-use.com/posts/bitter-lesson-browser-agents
- Browser Use 接到编码 Agent:https://browser-use.com/coding-agents
- Browser Use 主仓库:https://github.com/browser-use/browser-use
- Browser Harness:https://github.com/browser-use/browser-harness
- BrowserCode:https://github.com/browser-use/browsercode