Browser Use con Python para un agente de solo lectura

Para crear un agente con Browser Use en Python, pasa a Agent un modelo, un Browser nuevo y una tarea con respuesta comprobable. Aquí el agente lee un encabezado y un código en un HTML local. Pydantic valida la estructura y el programa compara los dos valores con los de la página.

Un reporte sobre la validación de acciones muestra un fallo en una versión anterior, cuando el modelo generó acciones que la biblioteca rechazó. El ejemplo sigue la guía de inicio y la documentación del formato de salida. Se revisó con esas fuentes y queda pendiente su ejecución de extremo a extremo.

Puntos clave

• Usa la biblioteca de Browser Use para Python cuando tu aplicación deba controlar la sesión, la tarea y las comprobaciones.

• Empieza con un HTML local y una sesión sin cuentas iniciadas.

• Puedes elegir por separado dónde ejecutar el navegador y el modelo. ChatBrowserUse llama a un modelo alojado aunque Chromium sea local.

• history.is_successful() devuelve la valoración del agente. Comprueba los valores por tu cuenta.

• Para la primera prueba, usa una página sin formulario, cuentas ni carga de archivos.

Dónde se ejecutan el navegador y el modelo

El modelo elige las acciones y el navegador las ejecuta. Python conecta ambos. Esta diferencia ayuda a decidir entre un agente de navegador, pasos fijos en Playwright y una búsqueda web.

Este ejemplo toma la primera opción. Guarda BROWSER_USE_API_KEY en el entorno o en un archivo .env local, según la guía de inicio. Evita subir la clave al repositorio. Con uv instalado, ejecuta estos comandos en un directorio de proyecto nuevo.

uv init --python 3.12
uv add browser-use
uvx browser-use install

El último comando prepara Chromium. Guarda el archivo de bloqueo para repetir la instalación. La lista de modelos compatibles incluye ChatOllama. Si cambias de proveedor, conserva la página y los valores esperados. Comprueba tanto las acciones como la respuesta final. La guía de Cloud tiene su propia configuración de acceso y sesión.

Una consulta de QA en Reddit busca un modelo autoalojado para mantener los datos de clientes en su infraestructura. Con ese requisito, elige un modelo local. Este ejemplo solo envía datos ficticios.

Crea una página con una respuesta conocida

Guarda el HTML en fixture/index.html. El código es ficticio y la página carece de formularios y credenciales. Deja el servidor en otra terminal. Solo servirá el directorio fixture.

<!doctype html>
<html lang="en">
<meta charset="utf-8">
<title>Inventory fixture</title>
<main>
  <h1>Inventory Check</h1>
  <p>Reference code: BU-741</p>
</main>
</html>

uv run python -m http.server 8765 --bind 127.0.0.1 --directory fixture

127.0.0.1 corresponde al equipo del navegador. Una sesión remota intentará abrir su propia dirección local. En este ejercicio, mantén el navegador y el servidor en el mismo equipo. Puedes abrir la página a mano para comprobar el acceso.

Ejecuta el agente y valida ambos campos

Guarda check_page.py en la raíz del proyecto. Consulta los parámetros del navegador para limitar dominios y los parámetros de Agent para definir el esquema. La tarea recibe la URL. Los valores de referencia quedan en la comprobación para que el agente tenga que leerlos en la página.

import asyncio
from tempfile import TemporaryDirectory

from browser_use import Agent, Browser, ChatBrowserUse
from pydantic import BaseModel

URL = "http://127.0.0.1:8765/"


class PageCheck(BaseModel):
    heading: str
    reference: str


async def main():
    with TemporaryDirectory(prefix="browser-use-fixture-") as profile:
        browser = Browser(
            headless=True,
            user_data_dir=profile,
            allowed_domains=["127.0.0.1"],
            accept_downloads=False,
        )
        try:
            agent = Agent(
                task=(
                    f"Open {URL} and read its visible heading and reference code. "
                    "Return only those two values. Do not interact with any form."
                ),
                browser=browser,
                llm=ChatBrowserUse(),
                output_model_schema=PageCheck,
            )
            history = await agent.run(max_steps=5)
            result = history.structured_output
            expected = PageCheck(heading="Inventory Check", reference="BU-741")
            if result != expected:
                raise RuntimeError("The output does not match the fixture.")
            print(result.model_dump_json())
        finally:
            await browser.stop()


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

uv run python check_page.py

Si el script imprime el resultado esperado, verás Inventory Check y BU-741. Si detecta una discrepancia, revisa el historial antes de ampliar el límite de pasos. Más pasos pueden repetir el mismo error.

Comprueba por separado la visita, la salida y los efectos

Busca una petición a / en el registro del servidor durante la ejecución. Después revisa history.urls(), history.errors() y la salida de la terminal. El formato de salida distingue entre terminar, declarar éxito y comprobar el resultado de forma independiente.

Mantén la sesión separada de tu perfil habitual. Conectar un navegador existente cambia las sesiones y cookies a las que el agente tiene acceso. La lista de dominios limita la navegación. En una aplicación real, usa una cuenta de prueba y aplica los permisos de lectura en el servidor. Consulta los riesgos de seguridad de los agentes.

Localiza la primera etapa que falla

Un reporte sobre CDP remoto describe llamadas al protocolo del navegador que se quedaban bloqueadas. Es una etapa distinta de la validación de acciones. Ambos reportes corresponden a versiones concretas. Guíate por el error de tu ejecución.

Si la tarea puede crear registros o enviar mensajes, comprueba su estado en el sistema de destino antes de reintentar tras un timeout. Para esta página de lectura, puedes repetir la visita y revisar el registro.

Cuándo mantener la integración en Python

Usa Python si otra parte de la aplicación necesita consumir y verificar campos tipados. Con URL, selectores y pasos fijos, basta un script de navegador. Para una inspección puntual, abre la página y compara el texto. La comparativa de Tabbit y Browser Use y la guía de navegadores con agentes explican en qué se distingue la interfaz de navegador de una integración en código.

En la primera ejecución, comprueba que el servidor recibió la petición y que coinciden los dos valores. Para probar otro navegador, proveedor o sitio, cambia una sola pieza cada vez.

Secholar.L

Crecimiento y contenido en Tabbit

Secholar.L escribe guías prácticas sobre navegadores con IA y flujos de trabajo con agentes, comparando herramientas con investigación real y fuentes verificables.