Browser Use

Browser Use — 自律型ブラウザー自動化

ブラウザー自動化のための、相互に補完する2つのツールです。

ツール	最適な用途	動作
agent-browser	ステップごとの操作、スクレイピング、フォーム入力	CLI コマンドを使い、各操作を自分で実行します
browser-use	複雑な自律型タスク	操作を自ら判断する Python エージェントです

クイックスタート

agent-browser（ほとんどのタスクで推奨）

# Navigate and inspect
agent-browser open "https://example.com"
agent-browser snapshot -i          # Get interactive elements with @refs

# Interact using refs
agent-browser click @e3            # Click element
agent-browser fill @e2 "text"      # Fill input (clears first)
agent-browser press Enter          # Press key

# Extract data
agent-browser get text @e1         # Get element text
agent-browser get attr @e1 href    # Get attribute
agent-browser screenshot /tmp/p.png # Screenshot

# Done
agent-browser close

browser-use（自律型エージェント）

# Run a full autonomous browsing task
browser-use-agent "Find the pricing for Notion and compare plans"

エージェントがページを移動し、クリックし、内容を読み取り、構造化された結果を返します。

agent-browser — リファレンス

ナビゲーション

agent-browser open <url>           # Navigate to URL
agent-browser back                 # Go back
agent-browser forward              # Go forward
agent-browser reload               # Reload page
agent-browser close                # Close browser

スナップショット（ページ分析）

agent-browser snapshot             # Full accessibility tree
agent-browser snapshot -i          # Interactive elements only (recommended)
agent-browser snapshot -c          # Compact output
agent-browser snapshot -d 3        # Limit depth to 3
agent-browser snapshot -s "#main"  # Scope to CSS selector
agent-browser snapshot -i --json   # JSON output for parsing

操作（スナップショットの @refs を使用）

agent-browser click @e1            # Click
agent-browser dblclick @e1         # Double-click
agent-browser fill @e2 "text"      # Clear and type (use this for inputs)
agent-browser type @e2 "text"      # Type without clearing
agent-browser press Enter          # Press key
agent-browser press Control+a      # Key combination
agent-browser hover @e1            # Hover
agent-browser check @e1            # Check checkbox
agent-browser uncheck @e1          # Uncheck checkbox
agent-browser select @e1 "value"   # Select dropdown option
agent-browser scroll down 500      # Scroll page
agent-browser scrollintoview @e1   # Scroll element into view
agent-browser drag @e1 @e2         # Drag and drop
agent-browser upload @e1 file.pdf  # Upload files

データの抽出

agent-browser get text @e1         # Get element text
agent-browser get html @e1         # Get innerHTML
agent-browser get value @e1        # Get input value
agent-browser get attr @e1 href    # Get attribute
agent-browser get title            # Page title
agent-browser get url              # Current URL
agent-browser get count ".item"    # Count matching elements

待機

agent-browser wait @e1             # Wait for element
agent-browser wait 2000            # Wait milliseconds
agent-browser wait --text "Done"   # Wait for text to appear
agent-browser wait --url "/dash"   # Wait for URL pattern
agent-browser wait --load networkidle  # Wait for network idle

スクリーンショット、PDF、録画

agent-browser screenshot path.png      # Save screenshot
agent-browser screenshot --full        # Full page screenshot
agent-browser pdf output.pdf           # Save as PDF
agent-browser record start ./demo.webm # Start recording
agent-browser record stop              # Stop and save

セッション（ブラウザーの並列実行）

agent-browser --session s1 open "https://site1.com"
agent-browser --session s2 open "https://site2.com"
agent-browser session list

状態（認証情報／Cookie の永続化）

agent-browser state save auth.json     # Save session (cookies, storage)
agent-browser state load auth.json     # Restore session

Cookie とストレージ

agent-browser cookies                  # Get all cookies
agent-browser cookies set name value   # Set cookie
agent-browser cookies clear            # Clear cookies
agent-browser storage local            # Get all localStorage
agent-browser storage local set k v    # Set value

タブとフレーム

agent-browser tab                      # List tabs
agent-browser tab new [url]            # New tab
agent-browser tab 2                    # Switch to tab
agent-browser frame "#iframe"          # Switch to iframe
agent-browser frame main               # Back to main frame

ブラウザー設定

agent-browser set viewport 1920 1080
agent-browser set device "iPhone 14"
agent-browser set geo 37.7749 -122.4194
agent-browser set offline on
agent-browser set media dark

JavaScript

agent-browser eval "document.title"    # Run JS in page context

browser-use — 自律型エージェント

ブラウジングの手順をエージェントに判断させたい複雑なタスク向けです。

browser-use-agent "Your task description here"

カスタムスクリプト（上級者向け）

# Run via: /opt/browser-use/bin/python3 script.py
import asyncio, os
from browser_use import Agent, Browser
from langchain_anthropic import ChatAnthropic

async def run():
    browser = Browser()
    llm = ChatAnthropic(
        model='claude-sonnet-4-20250514',
        api_key=os.environ['ANTHROPIC_API_KEY']
    )
    agent = Agent(
        task="Compare pricing on 3 competitor sites",
        llm=llm,
        browser=browser,
    )
    result = await agent.run(max_steps=15)
    await browser.close()
    return result

asyncio.run(run())

LLM は、langchain 互換モデル（OpenAI、Anthropic など）に切り替えることができます。

標準的なワークフロー

# 1. Open page
agent-browser open "https://example.com"

# 2. Snapshot to see what's on the page
agent-browser snapshot -i

# 3. Interact with elements using @refs from snapshot
agent-browser fill @e1 "search query"
agent-browser click @e2

# 4. Wait for new page to load
agent-browser wait --load networkidle

# 5. Re-snapshot (refs change after navigation!)
agent-browser snapshot -i

# 6. Extract what you need
agent-browser get text @e5

# 7. Close when done
agent-browser close

重要なルール

1. ナビゲーション後は必ず snapshot -i を実行する — ページが読み込まれるたびに refs が変わります
2. 入力には type ではなく fill を使う — fill は最初に既存のテキストを消去します
3. ナビゲーションを引き起こすクリックの後は待機する — wait --load networkidle
4. 完了したらブラウザーを閉じる — agent-browser close
5. Google／Bing はヘッドレスブラウザーをブロックします（CAPTCHA）— DuckDuckGo または web_search を使用してください
6. ログインが必要なサイトでは認証状態を保存する — state save/load
7. 機械で解析可能な出力が必要な場合は --json を使う
8. 並行してブラウジングする場合はセッションを使う — --session <name>

トラブルシューティング

• 要素が見つからない：現在の refs を取得するため、snapshot -i を再実行してください
• ページが読み込まれない：ナビゲーション後に wait --load networkidle を追加してください
• 検索エンジンで CAPTCHA が表示される：代わりに DuckDuckGo または web_search ツールを使用してください
• 認証の有効期限が切れた：再ログインして、もう一度 state save を実行してください
• 表示エラー：インストールスクリプトがヘッドレス描画用に Xvfb をセットアップします