> ## Content Index
> Fetch the complete content index at: https://tbbbk.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# Browser Use CLI 完整教程（2026）：不用 MCP，也能让 AI 自己打开网页干活
- URL: https://tbbbk.com/browser-use-cli-guide-2026/
- Published: 2026-03-30T03:04:25.000Z
- Updated: 2026-03-30T03:04:25.000Z
- Description: 最近不少人在聊 Browser Use CLI。我专门去翻了官方文档和 GitHub，发现它不是单纯的 Skill，而是一套真正能让 AI 操作网页的软件和命令行工具。这篇我把它到底是什么、怎么装、怎么用讲明白。
- Author: TuBaiBai
- Tags: 折腾日记, #Import 2026-07-20 07:13

最近我连续看到两拨人在聊 Browser Use。

一拨是在 GitHub 和官方文档那边，定位说得很直接：这是一个拿来做 **AI 浏览器自动化** 的项目；另一拨是在中文社区，大家关心的则更现实：它到底是不是个 Skill、能不能直接拿来用、和 MCP 有什么关系、值不值得折腾。

我一开始也有点懵。

因为现在很多新工具都喜欢把自己包装成“Agent”、“自动化”、“Browser AI”，但真正落到手上，往往不是安装麻烦，就是只能演示，真要做点网页任务时还是卡住。

所以我把 Browser Use 的 **官方 GitHub README、官方 CLI README、官方 docs** 都翻了一遍。先说结论：

**Browser Use CLI 不是一个“只有 Agent 能用的 Skill”，它本质上是一套软件和命令行工具；Skill 只是它的一种接入方式。**

![Browser Use GitHub 仓库页面截图](https://tbbbk.com/content/images/2026/03/browser-use-github.png)

如果你现在最关心的是：

- Browser Use CLI 到底是什么
- 它能干什么，不能干什么
- 它和 OpenClaw / MCP / Playwright 有什么区别
- 新手怎么装，怎么跑第一个网页任务

## Browser Use CLI 到底是什么？

先别急着把它理解成“又一个大模型玩具”。

按官方文档的说法，Browser Use 的开源部分本质上是一个 **Python library for AI browser automation**。翻成正常中文，就是：

**一个专门让 AI 去操作浏览器、完成网页任务的 Python 项目。**

它的 CLI README 写得更直白：

> Fast, persistent browser automation from the command line.

也就是：

**一套可以在命令行里直接操作浏览器、而且会保持浏览器会话持续存在的工具。**

这里有三个层次，最好分开看。

### 第一层：它是软件本体

最底层的 Browser Use，是一个浏览器自动化项目。你可以把它装到自己的机器上，让它去：

- 打开网页
- 获取页面状态
- 找到可点击元素
- 点击、输入、滚动、切标签页
- 截图
- 连接现有浏览器会话

这部分，和“有没有 Agent”没关系。

## 第二层：它有 CLI

Browser Use CLI 是这个项目给人的第一入口。

你不一定要先写 Python 代码，也不一定要先接 Claude Code、Cursor、OpenClaw。只要装好，它就能直接通过命令行去控制浏览器。

官方 README 里给出的最小上手流程就是：

- `browser-use open https://example.com`
- `browser-use state`
- `browser-use click 5`
- `browser-use type "Hello World"`
- `browser-use screenshot output.png`
- `browser-use close`

这个思路非常像“浏览器控制台 + 命令行遥控器”。

你可以先打开页面，再看当前有哪些可点击元素，然后根据索引点进去，继续输入和截图。因为浏览器会话会保留，所以它不是每条命令都重新开一个干净浏览器，这点很重要。

## 第三层：它还能被 Agent 调用

这也是很多人容易混淆的地方。

Browser Use 官方文档里明确提到，它可以和不同的 LLM、不同的 Agent 框架一起工作，还专门列了 OpenClaw 集成页面。官方 docs 里甚至直接写到：

- 可以通过 **CDP** 方式接入
- 也可以通过 **CLI skill** 的方式接入

所以它当然可以“变成某个 Agent 的能力”，但那是**接入方式**，不是它的全部。

**更准确的说法是：Browser Use 本身是软件，同时提供 CLI，还能被包装成 Skill 或 Agent 能力。**

## 它到底能拿来干什么？

如果你以前接触的是纯爬虫、Selenium 或 Playwright，你可能会问一句：

“这玩意不就是自动打开网页吗？”

还真不完全一样。

Browser Use 适合的是那种 **更像人类在网页里干活** 的任务。

### 场景 1：先打开网页，再按页面情况一步步操作

比如我想让它：

- 打开某个官网
- 点进定价页
- 看几个套餐差异
- 截图或者整理结果

这种任务的难点不是“会不会请求一个接口”，而是页面结构经常变，用户真正做事的时候也不是写死一步到位，而是：

**先看，再点，再判断下一步。**

Browser Use CLI 的设计就很适合这种节奏。

你先 `open`，再 `state` 看当前页面元素，再 `click` 或 `input` 继续走。

### 场景 2：复用真实浏览器登录态

这个是它比较实用的一点。

官方 CLI README 明确写了几种浏览器模式：

- 默认 headless Chromium
- `--headed` 可视化浏览器
- `--profile "Default"` 使用你真实 Chrome 的默认用户配置
- `--connect` 自动发现并连接正在运行的 Chrome
- `--cdp-url` 连接现有 CDP 浏览器会话

这意味着什么？

意味着它不是只能在一个“干净到什么都没登录过”的浏览器里工作。你完全可以让它去接你已经登录过账号的 Chrome，复用 cookie 和已有会话。

这一点对真实任务特别关键。

因为现实世界里很多网页自动化，最麻烦的不是“点按钮”，而是：

**登录态、浏览器环境、风控、历史会话。**

Browser Use 至少在工具层面，把这一步做得比很多“只会从头开一个沙盒浏览器”的方案更接地气。

### 场景 3：给更大的 Agent 工作流当“手”

如果你已经在用 OpenClaw、Claude Code、Cursor 这类东西，那 Browser Use 的价值就更容易理解了。

我自己的理解是：

- **OpenClaw / Claude Code 这类工具更像大脑**，负责理解任务、安排步骤、调用能力
- **Browser Use 更像网页操作的手**，负责在浏览器里真正去做动作

比如你让一个 Agent 帮你做信息整理，它很可能需要：

- 打开多个网页
- 点不同页面
- 搜索
- 切 tab
- 抓取文本
- 截图或导出

这时候 Browser Use 就很像一个专门负责网页执行的子模块。

## 它不是万能的：哪些情况别神化

说到这里，也得泼点冷水。

Browser Use 不是拿来替代一切网页自动化的。

### 第一，不是所有场景都适合它

如果你只是要：

- 抓固定页面 HTML
- 调一个现成 API
- 批量爬一堆结构稳定的数据

那很多时候直接用爬虫、接口脚本、Playwright 脚本会更省。

Browser Use 的优势不在“最便宜地跑一万个页面”，而在：

**更像人类那样处理网页任务。**

### 第二，风控、验证码、支付这些麻烦并不会凭空消失

官方 Cloud 版确实一直在强调 stealth、CAPTCHA solving、proxy、managed infrastructure，这些说明他们自己也知道，真实网页自动化绕不开这些问题。

但你要明白：

**工具再强，也不代表任何网站都能稳定、无感、无限制地自动操作。**

尤其是登录、验证码、支付确认、风控网站，这些还是要现实一点看。

### 第三，它也不是“万能 Skill”

很多人听到“可以接到 Agent”以后，会误以为它像装个插件那样，一切网页任务就自动丝滑了。

没这么简单。

接入 Agent 只是让它更好用，不代表网页本身的复杂度突然消失。

所以我更愿意把 Browser Use 看成：

**一个把网页操作这件事做得更 Agent 化、更任务化的工具，而不是神奇魔法。**

## Browser Use CLI 怎么安装？

这里我只写官方文档里已经明确给出的方式。

![Browser Use 官方文档页面截图](https://tbbbk.com/content/images/2026/03/browser-use-docs.png)

根据官方 CLI README，前置要求是：

- macOS / Linux：Python 3.11+
- Windows：Git for Windows + Python 3.11+

官方推荐的安装方式分两类。

### 方法一：一行安装脚本

macOS / Linux：

```bash
curl -fsSL https://browser-use.com/cli/install.sh | bash

```

Windows PowerShell：

```powershell
& "C:\Program Files\Git\bin\bash.exe" -c 'curl -fsSL https://browser-use.com/cli/install.sh | bash'

```

装完以后，官方建议先跑：

```bash
browser-use doctor
browser-use setup

```

`doctor` 是检查安装状态，`setup` 是跑一遍初始化向导。

### 方法二：手动安装

如果你不想直接跑一行脚本，官方也给了手动方案：

```bash
uv pip install browser-use
browser-use install
browser-use doctor

```

这里 `browser-use install` 的作用是安装 Chromium。

### 方法三：把它当 Python 项目来用

如果你更偏开发者用法，官方 README 里写的是：

```bash
uv init && uv add browser-use && uv sync

```

然后可以直接写 Python 代码，用 `Agent`、`Browser` 和不同的模型类去跑任务。

这一层已经不只是 CLI 了，而是直接用 Browser Use 的开源库。

## Browser Use CLI 最小上手流程

如果你第一次接触这个工具，我建议别一上来就想着接 OpenClaw、接云浏览器、搞复杂任务。

先跑通最小流程。

### 第一步：打开网页

```bash
browser-use open https://example.com

```

这一步会自动拉起浏览器。

### 第二步：看页面当前状态

```bash
browser-use state

```

官方文档说明，这个命令会返回当前 URL、标题，以及可点击元素。

你可以把它理解成：

**先看看页面上现在到底能点什么。**

### 第三步：点击元素

```bash
browser-use click 5

```

这里的 `5` 是元素索引。不是 CSS selector，也不是 XPath，而是 CLI 当前识别出来的页面元素编号。

### 第四步：输入内容

如果当前焦点已经在输入框上：

```bash
browser-use type "Hello World"

```

如果你想直接点某个输入框再输入：

```bash
browser-use input 3 "john@example.com"

```

这个对登录页、搜索框很实用。

### 第五步：截图

```bash
browser-use screenshot output.png

```

### 第六步：关闭浏览器

```bash
browser-use close

```

你把这六步跑通，基本就已经理解 Browser Use CLI 的核心思路了。

## 还有哪些命令比较实用？

我翻官方 CLI README 的时候，觉得下面这些其实也挺关键。

### 导航相关

```bash
browser-use back
browser-use scroll down
browser-use scroll up
browser-use scroll down --amount 1000

```

### 键盘和表单相关

```bash
browser-use keys "Enter"
browser-use keys "Control+a"
browser-use select 4 "value"
browser-use upload 6 ./resume.pdf

```

### 信息读取相关

```bash
browser-use get title
browser-use get html
browser-use get text 7
browser-use get value 3
browser-use get attributes 5
browser-use get bbox 5

```

### 等待页面变化

```bash
browser-use wait selector "h1"
browser-use wait text "Success"
browser-use wait selector ".loading" --state hidden

```

如果你以前用过 Playwright，你会发现这些命令不复杂，但把它们揉到一个“持续存在的浏览器会话 + 命令行操作”框架里，体验会直观很多。

## Browser Use CLI 的几个关键模式

我觉得这部分反而是很多教程最容易写漏的。

因为它决定了你到底是在一个“纯测试环境”里操作，还是已经开始接近真实任务了。

### `--headed`

```bash
browser-use --headed open https://example.com

```

用可视化浏览器窗口，适合第一次调试。

### `--profile`

```bash
browser-use --profile "Default" open https://gmail.com

```

这个模式会使用你真实 Chrome 的用户配置。

如果你已经登录过一些网站，这一招非常香，因为它能复用登录态和 cookie。

### `--connect`

```bash
browser-use --connect open https://example.com

```

官方说明里写的是自动发现并连接正在运行的 Chrome。

### `--cdp-url`

```bash
browser-use --cdp-url http://localhost:9222 open https://example.com

```

这就更适合进阶用法了。比如你已经有一个浏览器实例在跑，或者你要把 Browser Use 接到别的工作流上，就能通过 CDP 去接现成浏览器。

## 它和 MCP、OpenClaw、Playwright 到底什么关系？

这个问题很适合单独讲清，不然读到这里还是会乱。

### 它和 Skill 的关系

它**不是单纯一个 Skill**。

官方文档已经给出了很清楚的结构：

- 有开源库
- 有 CLI
- 有 Cloud SDK
- 有 OpenClaw 集成
- 有 MCP Server 集成

所以 Skill 只是它的接入层之一。

### 它和 MCP 的关系

MCP 更像一种“把能力暴露给外部 Agent 调用的协议/接入方式”。

Browser Use 则是那个真正执行网页动作的能力本体。

所以“Browser Use CLI 不用 MCP 也能自己跑”这句话是成立的；但如果你愿意，它也可以出现在 MCP 工作流里。

### 它和 OpenClaw 的关系

OpenClaw 是一个更完整的个人 AI 助手框架，本身包含消息、工具、记忆、自动化等能力。

Browser Use 更专注在网页操作这件事上。

官方 docs 里也有 OpenClaw 集成页面，说明这两者本来就不是竞争关系，而是很适合搭配。

如果你对这条线感兴趣，我之前那篇 [OpenClaw 浏览器实战（2026）](https://tbbbk.com/openclaw-browser-practical-guide-2026/) 可以一起看。

### 它和 Playwright / Selenium 的关系

我自己的理解是：

- Playwright / Selenium 更偏“脚本式浏览器自动化”
- Browser Use 更偏“任务式、Agent 化的网页操作”

不是说后者一定替代前者，而是它们解决的问题重心不一样。

如果你的任务是固定页面、固定 selector、追求强确定性，那 Playwright 依然很好用。

如果你的任务更接近“像人一样在网页里做事”，Browser Use 会更顺手。

## 它适合谁？

我觉得最适合三类人。

### 第一类：已经在玩 Agent，但网页执行一直很弱的人

你会明显感觉到，很多 Agent 说得很聪明，但一遇到真实网页就开始打转。

Browser Use 刚好补的是这一块。

### 第二类：不想一上来就写大段浏览器脚本的人

CLI 这层很适合先快速试错。

先看看这个任务到底能不能做，再决定要不要把它写成更正式的自动化流程。

### 第三类：需要复用真实浏览器环境的人

像已有登录态、已有 cookie、已有本地 Chrome 环境，这些场景都比“纯无头浏览器”更贴近现实任务。

## 那值不值得折腾？

我的判断是：**值得。**

不是因为它会替你解决所有网页自动化问题，而是因为它代表了一条很清晰的新方向：

**不是教 AI 看网页，而是让 AI 真能在网页里完成任务。**

这条路比单纯写一个“浏览器截图 demo”要实在得多。

而 Browser Use CLI 的好处在于，它把这个方向做成了一个普通人也能直接上手的入口。你不用先写整套框架，也不用先接某个特定 Agent，先装、先跑、先点起来再说。

这也是为什么我觉得它很适合写。

它已经不只是“又一个 AI 新项目”，而是在往真正可落地的网页执行层走。

## FAQ

### Browser Use CLI 是 Skill 吗？

不是。更准确地说，它本身是 Browser Use 项目提供的 **CLI 工具**；另外它也可以被 Agent 以 Skill 或集成方式调用。

### Browser Use CLI 能单独用吗？

能。官方 CLI README 里已经给出了完整的单独安装和命令行使用方式。

### 它一定要配 Cloud 才能用吗？

不一定。开源库和 CLI 都可以本地使用；但官方也提供 Cloud，主打更强的 stealth、代理、CAPTCHA 处理和托管基础设施。

### 它和 OpenClaw 冲突吗？

不冲突。官方 docs 里本来就提供了 OpenClaw 集成说明。更适合的理解是：OpenClaw 负责任务编排，Browser Use 负责网页执行。

### 新手最先该试什么？

我建议就从这几条开始：

```bash
browser-use open https://example.com
browser-use state
browser-use click 1
browser-use screenshot test.png
browser-use close

```

能把这个最小流程跑通，再去碰 profile、CDP、Cloud、Agent 集成都不迟。

---

如果你接下来还想继续往下折腾，我建议下一步直接看两个方向：

- 一是把它接到现有 Agent 工作流里
- 二是找一个真实网页任务，比如比价、表单填写、后台导出，拿它跑一遍

比起继续看十篇概念文章，自己让它真的点开一个网页，更能理解这东西到底值不值。

顺手贴两篇相关的，适合连着看：

- [OpenClaw 浏览器实战（2026）：直接和机器人说一句，它就会自己打开网页帮你整理信息](https://tbbbk.com/openclaw-browser-practical-guide-2026/)
- [OpenClaw 实战任务库：30 个最常用自动化场景（含提示词模板）](https://tbbbk.com/openclaw-task-library-30-automation-prompts/)
- [OpenClaw 进阶配置教程（2026）：记忆系统、子 Agent、Cron 定时任务、Skill 开发](https://tbbbk.com/openclaw-advanced-config-guide/)

## 本文核实来源

- Browser Use 官方 GitHub README
- Browser Use 官方 CLI README
- Browser Use 官方文档（open-source introduction / supported models / docs index）