高级：Agent 开发 15 让浏览器 Agent 像人一样上网办事

浏览器 Agent 就是让模型像人一样打开网页、看内容、点按钮，把没有接口的网站也变成能自动办的事。

先记住这几点

• 适合没有接口、页面常变的网站。
• 示例流程：开浏览器，搜索，识别列表，提取结构化数据，挑最便宜的。
• Agent 方式灵活但慢，精确控制方式快但脆，常常两种混着用。
• 要提前设好边界：独立的浏览器环境、限制可访问的网站、危险操作要确认。

展开说说

Agent 和手动控制怎么选。

情况	用 Agent	用精确控制
页面布局常变	适合	容易失效
页面结构固定	偏慢	又快又准
要找元素	一句话描述就行	要写准确选择器
要控制等待和重试	不好控	完全可控
流程复杂、有意外弹窗	适合	要逐种写分支

做法。 先用 Agent 探索页面，摸清流程后，把固定的部分换成精确控制。提取数据时让模型按固定格式输出，并校验。过程中截图，方便出错时回看。弹窗和改版是常态，要有后备方案。

安全。 浏览器 Agent 在真实网站上动手，比调接口风险更高：用独立的浏览器配置或沙箱；限制能访问的站点；提交订单、付款、发消息这类动作必须让人确认。

动手试试

选一个公开的价格比较页面，让浏览器 Agent 只做'读取，不点购买'的任务：找出最便宜的三项并截图。

让 Agent 带你学

把下面这段交给你的 Agent（Claude Code、ChatGPT、Gemini 都行），它会像导师一样一步步带你。

参考

• 内容改写自 microsoft/ai-agents-for-beginners 的第 15 课（15-browser-use），原项目为 MIT 许可证。
• 想看原版和完整代码：15-browser-use
• 全部课程见 Agent 课程路线图