使用Browser-usr构建智能网页操作Agent：航班搜索实战

在当今自动化需求日益增长的背景下，智能Agent能够代替人类执行重复性网页操作任务。本文将介绍如何使用browser-usr库构建一个航班搜索Agent，自动完成航班查询并返回最优价格。

核心组件与技术栈

1. Browser-usr：基于Playwright的网页自动化库
2. LangChain：大语言模型应用开发框架
3. Qwen-32B大模型：本地部署的视觉语言模型
4. 异步执行框架：Python asyncio

实现步骤详解

1. 环境配置与初始化

import asyncio
import os
from browser_use import Agent
from langchain_openai import ChatOpenAI

# 关键环境变量设置（即使使用本地模型）
os.environ["OPENAI_API_KEY"] = "empty"  # 绕过官方API检查

2. Agent核心构建

async def main():
    # 创建浏览器智能体
    agent = Agent(
        task="查找2025年1月12日巴厘岛飞阿曼的单程航班，返回最便宜选项",
        llm=ChatOpenAI(
            base_url="http://localhost:8000/v1",  # 本地模型API端点
            api_key="empty",  # 与环境变量保持一致
            model="vllm-qwen3-32b"  # 32B参数视觉语言模型
        ),
        use_vision=False  # 禁用视觉功能（纯文本操作）
    )
    
    # 执行任务
    result = await agent.run()
    print("最优航班结果:", result)

# 启动异步任务
asyncio.run(main())

完整代码:

from langchain_openai import ChatOpenAI
from browser_use import Agent
import asyncio
import os

async def main():
    #设置环境变量（关键步骤）
    os.environ["OPENAI_API_KEY"] = "empty"  # 即使使用本地模型也需要设置
   
    
    # 创建Agent
    agent = Agent(
        task="帮我查找2025年1月12日从巴厘岛飞往阿曼的单程航班，并返回最便宜的选项。",
        llm=ChatOpenAI(
            base_url="http://localhost:8000/v1",
            api_key="empty",
            model="vllm-qwen3-32b"
        ),
        use_vision=False
    )
    
    result = await agent.run()
    print(result)

asyncio.run(main())

3. Agent工作流程解析

1. 任务解析：Qwen模型理解自然语言任务需求
2. 策略生成：自动规划网页操作路径（打开浏览器→访问航司网站→输入查询条件等）
3. 页面交互：
   • 自动填写出发地/目的地
   • 选择日期（2025-01-12）
   • 设置单程航班选项
4. 数据处理：
   • 爬取航班结果
   • 价格比较算法
   • 提取最低价选项
5. 结果返回：结构化输出最优航班信息

关键技术亮点

1. 本地模型集成

   ChatOpenAI(base_url="http://47.117.169.37:8000/v1", model="vllm-qwen3-32b")
   

   • 通过修改base_url接入自托管大模型
   • 避免OpenAI官方API调用费用
   • 支持私有化部署保障数据安全

2. 视觉能力开关

   use_vision=False  # 可切换为True启用OCR和图像识别
   

   • 禁用时可提升30%执行速度
   • 启用时可处理验证码等复杂场景

3. 异步执行引擎

   asyncio.run(main())  # 高效管理浏览器并行操作
   

   • 非阻塞式网页操作
   • 支持多页面并发控制

实际应用场景扩展

1. 电商比价系统：自动监控多个平台价格波动
2. 竞品分析：定期抓取竞品网站更新
3. 数据填报机器人：自动登录系统填写表单
4. 动态监控：实时追踪股票/加密货币价格

性能优化建议

1. 缓存复用：重用浏览器实例减少启动开销
2. 智能等待：添加DOM状态检测替代固定sleep
3. 错误重试：实现操作失败自动恢复机制
4. 分布式部署：多个Agent实例并行执行不同任务

结语

通过browser-usr构建的智能Agent将自然语言指令转化为精准的网页操作，解决了传统爬虫难以处理动态网页的痛点。结合本地部署的大语言模型，既保障了数据隐私又降低了使用成本。这种技术组合为自动化办公、数据采集等领域提供了新的解决方案。

提示：完整项目需安装依赖：

pip install browser-usr langchain-openai playwright
playwright install  # 初始化浏览器环境