Browser Use
AIエージェントに本物のブラウザを操作させる — ページを開き、クリックし、入力し、フォームを埋める
Browser Use は、LLM に本物のブラウザを操作させるオープンソースの Python ライブラリと CLI です。ページを開き、クリックし、文字を入力し、フォームを埋めるので、背後に API がまったく存在しない Web 作業をエージェントに任せられます。ライブラリは MIT ライセンスで、指定したどのモデルでも自分のマシン上で動きます。同じチームがホスティング版のクラウドも販売しており、README 自身が CAPTCHA と本番運用についてはそちらを案内しています。この線引きはこの分野全体の正直な要約でもあります。ブラウザを操作すること自体はすでに解決済みで、自動化したいサイトからブロックされないことこそが、うまくいくかどうかを決める部分です。
Browser Use とは何か
Browser Use (github.com/browser-use/browser-use) は 2024 年後半に始まり、いまや GitHub でもっともスターを集めているエージェント系プロジェクトのひとつです。Python 製で MIT ライセンス、Python 3.11 以降なら 1 行でインストールできます。エージェントに自然な言葉でタスクを渡し、モデルを指定します。チーム自身がブラウザ操作向けに調整したモデルでも、ひとつのキーで届く OpenAI・Anthropic・Google でも、Ollama 経由のローカルモデルでも構いません。あとは人間と同じようにページを扱います。画面にあるものを読み、クリックし、入力し、頼まれたものを取り出します。
入口はふたつあり、最初につまずくのはたいていこの選択です。Python ライブラリは、自分のコードの中に組み込む自動化のためのもの。定期実行や並列実行、独自ツール、構造化された出力が要る場合です。CLI はすでに使っているエージェント向けで、スキルを入れればコーディングアシスタントが単発の用事のためにブラウザを引き受けてくれます。プロジェクト自身の目安がそのまま使えます。単発の作業はエージェント経由、繰り返す自動化はコードで。実在する Web タスク百件のベンチマークもオープンなリポジトリとして公開しており、これは多くのエージェント系プロジェクトより説明責任を果たしています。長時間にわたる Web タスクの公開ランキングで首位だとも主張していますが、これは彼らの計測であって、こちらのものではありません。
創業者のグロース基盤のどこに収まるか
これが本当に得意なのは、API が存在せずこれからも用意されない Web 作業です。何かを取り出したい、あるいは何かを入れたいのに、人間向けにしか作られていないサイトが対象になります。小さなチームなら、試す順番は「失敗したときの代償が小さい順」で考えるのが妥当です。
- 読むだけの調査 競合の価格ページ、変更履歴、マーケットプレイスの掲載情報、レビューページ。競合分析の材料そのものです。ここでの失敗はやり直すだけで済み、いちばん安い失敗です。
- 同じフォームを四十回目に埋める作業 ディレクトリやマーケットプレイスへの登録がいちばん分かりやすい対象です。毎回まったく同じ作業で、しかも見返りは本物。だからこそAIツールのディレクトリに掲載してもらうのは手作業だと骨が折れます。
- まっさらなブラウザから見た自社のファネル 毎朝ただの他人として登録してみると、ログイン済みのセッションでは絶対に見えない壊れた一歩が見つかります。グロースというより QA に近く、この一覧でもっとも地味で価値の高い項目です。何が壊れていることが多いかはなぜ誰も登録してくれないのかを参照してください。
- 公開するもの、お金を使うもの 投稿、見知らぬ相手へのメッセージ、入札。ここが自動化を止めて人間が目を通すべき地点です。承認ゲートはまさにこの種の操作のためにあり、ブラウザエージェントが優秀だからといって外してよい理由にはなりません。
実際にぶつかる壁
ブラウザエージェントについての正直な説明は、どれも同じ場所に行き着きます。プロジェクト自身の FAQ も二つの回答でそこに到達します。CAPTCHA については、フィンガープリントとプロキシのために自社クラウドを使えと書き、本番運用については Chrome がメモリを大量に食い、並列実行の管理が厄介だと警告しています。どちらもライブラリへの批判ではありません。これが本当の請求書であり、無料のローカル実行を前提にグロースの仕組みを設計する前に読んでおくほうが安全です。
| 難しいと思っていること | 実際に結果を決めるもの |
|---|---|
| 正しい場所をクリックさせる方法 | そもそもサイトがページを返してくれるかどうか |
| タスクあたりのモデル費用 | プロキシ、フィンガープリント、ブラウザ基盤 |
| 実行が失敗すること | 本当の中身ではないページの上で実行が成功してしまうこと |
最後の行はこちらの経験で、Web 自動化について学んだなかでもっとも高くついたものです。AgentCeres（agentceres.com の AI Growth Officer）は調査のために自動ブラウザを動かしていますが、本格的なボット対策のあるサイトには結局まったく通りませんでした。拒否は最初の 1 バイトで返ってきます。ページが描画される前なので、クリックがどれだけ人間らしいかは結果を変えません。役に立つと思い込んでいたステルス用プラグインも、その層に対して一度も検証されていなかったことが分かりました。そして静かなほうの失敗が、より厄介でした。いまボット壁にぶつかったのかを判定する自前のチェックが英語の警告ページしか認識できず、他の言語で返された警告ページは普通のコンテンツとして通り、サイト本体であるかのように要約されていたのです。ブロックされた実行は目に見えます。自信たっぷりに間違ったページを返す実行は見えません。
ですから、繰り返しが多く失敗しても痛くない Web 作業に向けること、無料前提ではなくブラウザ基盤の費用を見込むこと、そして判断の根拠になるものには二つ目の信号を置くことです。ページが返ってきたかどうかではなく、中身が想定どおりかを確かめる仕掛けを用意します。外に出ていくものには必ず人を残してください。その最後の一点こそ AgentCeres の形です。専門役割のチームがコンテンツやアプローチを起案し、外部に出るすべての操作はあなたの承認を待ちます。
FAQ
- Browser Use は無料ですか
- ライブラリは MIT ライセンスで無料です。自分のマシンで動かせますし、コードを改変するのも自由です。無料でないのはモデルのほうです。エージェントの一歩ごとに LLM 呼び出しが発生するため、費用は起動したタスク数ではなく、通り抜けなければならないページ数に比例して増えます。ステルスブラウザやプロキシのローテーション、各種連携を備えたホスティング版クラウドは、同じチームによる別の有料製品です。
- 使うにはコードを書く必要がありますか
- 単発の用事なら不要です。CLI のスキルを入れれば、すでに使っているコーディングアシスタントが自然な言葉の指示だけでブラウザを操作できます。同じタスクを繰り返す、並列で走らせる、あるいは自社プロダクトの中に組み込むという段階になったら Python ライブラリが正解です。単発はエージェント経由、繰り返しはコードで、というのがプロジェクト自身の目安です。
- ボット検知や CAPTCHA は突破できますか
- 自分のマシン上では安定して突破できませんし、プロジェクト自身がそう述べています。FAQ は CAPTCHA についても本番運用についても、プロキシとブラウザのフィンガープリントを提供する自社クラウドを案内しています。その費用は見込んでおいてください。本格的なボット対策のあるサイトは、自動化が賢く振る舞う機会を得る前に接続そのものを拒否します。どれほど人間らしくクリックしても変わりません。
- ブラウザエージェントに任せてはいけないものは何ですか
- 人が先に目を通さないまま公開する、見知らぬ相手に連絡する、お金を使う、といった操作すべてです。利用規約が自動アクセスを禁じている場合も同じで、多くのプラットフォームが実際に禁じています。判断基準は失敗したときの代償です。取得の失敗はやり直せば済みますが、まずい投稿は評判に響きます。一日で取り返せるのは前者だけです。
You built it. Now grow it.
AgentCeres is a managed AI marketing team — specialists draft the SEO, social, and outreach that fill your links, you approve what ships. 14-day free trial, from $39/month.