Browser Use com Python para um agente de leitura

Para montar um agente Browser Use em Python, passe a Agent um modelo, um Browser novo e uma tarefa com resposta verificável. O exemplo lê um título e um código de uma página HTML local. O Pydantic verifica a estrutura, e o programa compara os valores com a página.

Um relato no GitHub sobre validação de ações mostra uma versão antiga que rejeitava ações geradas pelo modelo. Essa etapa vem antes da resposta final. O código segue o guia de início rápido e a documentação de saída. O exemplo foi conferido com a documentação e não foi executado de ponta a ponta.

Pontos principais

• Use a biblioteca Python do Browser Use para controlar a sessão, a tarefa e a validação no aplicativo.

• Comece com um HTML local e uma sessão sem contas conectadas.

• O navegador e o modelo podem rodar em lugares diferentes. ChatBrowserUse chama um modelo hospedado mesmo com Chromium local.

• history.is_successful() traz a avaliação do próprio agente. Confira os valores separadamente.

• Use uma página sem formulário, conta ou upload no primeiro teste.

Onde executar o navegador e o modelo

O modelo escolhe ações. O navegador as executa. O código Python faz a ligação. Essa diferença ajuda a escolher entre um agente de navegador, passos fixos no Playwright e uma busca na web.

O exemplo usa a primeira opção. Configure BROWSER_USE_API_KEY no ambiente ou em um arquivo .env local, conforme o guia de início rápido. Mantenha a chave fora do repositório. Execute os comandos em uma pasta nova com uv instalado.

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

O último comando prepara o Chromium. Guarde o arquivo de bloqueio para reproduzir a instalação. O guia de modelos compatíveis inclui ChatOllama. Ao mudar de provedor, use a mesma página e os mesmos valores esperados. Confira tanto as ações quanto a saída final. O guia do Cloud explica a autenticação e a sessão desse serviço.

Uma pergunta de QA no Reddit procura um modelo auto-hospedado para manter dados de clientes na própria infraestrutura. Se esse for seu requisito, escolha um modelo local. Este exercício envia apenas dados fictícios.

Crie uma página com uma resposta conhecida

Salve o arquivo como fixture/index.html. A página contém texto de teste e um código fictício. Execute o servidor em outro terminal. Ele publica apenas o diretório 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

O endereço 127.0.0.1 aponta para a máquina do navegador. Um navegador remoto vai abrir o próprio endereço local. Neste exercício, mantenha o servidor e o navegador na mesma máquina. Abra a página manualmente se precisar confirmar a conexão.

Execute o agente e compare os dois campos

Salve check_page.py na raiz do projeto. Os parâmetros do navegador mostram como restringir domínios. Os parâmetros do Agent explicam o esquema de saída. A instrução leva a URL. Os valores esperados ficam no verificador para que o agente tenha de lê-los na 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

Se o script imprimir o resultado esperado, o título será Inventory Check e o código será BU-741. Se algum valor divergir, examine o histórico antes de aumentar o limite de passos. O agente pode apenas repetir uma ação que já falhou.

Confira a visita, a saída e os efeitos em separado

Procure um pedido para / no log do servidor durante a execução. Compare com history.urls(), history.errors() e a saída no terminal. O guia de saída distingue o fim da execução, o sucesso declarado e o resultado verificado.

Separe o perfil de teste do perfil de uso diário. Conectar um navegador existente muda quais sessões e cookies o agente pode acessar. A lista de domínios limita a navegação. Em um sistema real, use uma conta de teste e aplique permissões de leitura no servidor. Consulte os riscos de segurança dos agentes.

Descubra qual etapa falhou primeiro

Um relato sobre CDP remoto descreve uma sessão travada em chamadas do protocolo do navegador. É uma etapa diferente da validação de ações. Os dois relatos se referem a versões específicas. Use o erro da sua execução para escolher por onde começar.

Se a tarefa puder criar registros ou enviar mensagens, confira o sistema de destino antes de repetir uma execução que excedeu o tempo limite. Nesta página de leitura, você pode refazer a visita e conferir o log.

Quando manter a integração em Python

Use Python quando o aplicativo precisar consumir e verificar campos tipados. Para URL, seletores e passos fixos, um script de navegador resolve. Se você só quer conferir o texto uma vez, abra a página diretamente. A comparação entre Tabbit e Browser Use e o guia de navegadores com agentes explicam a diferença entre uma interface e uma integração em código.

Na primeira execução, confirme que o servidor recebeu o pedido e que os campos correspondem. Depois, troque o navegador, o provedor ou a página um de cada vez.

Secholar.L

Crescimento e conteúdo na Tabbit

Secholar.L escreve guias práticos sobre navegadores com IA e fluxos de trabalho com agentes, comparando ferramentas com pesquisa real e fontes verificáveis.