不再只是爬蟲！Browser Use 讓 AI「讀懂」網站，四天開發成開源焦點

近期熱議的人工智慧代理平台 Manus，憑藉自動操作網站、執行任務的能力，迅速在開發者社群掀起熱烈討論。然 Manus 爆紅同時，也意外捧紅背後開源工具 Browser Use，短時間內成為開發圈最受矚目技術。

簡單來說，Browser Use可將網站前端結構轉換為AI能理解的文字格式，讓語言模型不再只能讀取資料，而是能「讀懂」網站，進一步像人類一樣完成點擊、輸入、瀏覽等操作。

Browser Use共同創辦人Gregor Žunič表示，相關介紹文章在社群平台X獲得超過240萬次瀏覽，使Browser Use的日下載量從5,000次飆升至28,000次，並迅速登上GitHub熱門排行。

令人意外的是，這套技術的雛形，其實只是一項由兩位碩士學生在週末完成的實驗，僅花了四天就打造出第一版原型。AI自動操作網站的概念並不新穎，許多團隊早有嘗試，但Browser Use究竟做對了什麼，能率先突破限制，並贏得開源社群與市場青睞？

Browser Use讓AI真正「讀懂」網站

近期AI代理（AI Agent）成為人工智慧應用備受關注的方向，許多新創團隊紛紛投入，嘗試讓AI自主完成各種網頁任務。然目前多數技術解法仍仰賴「視覺導向」的方式，如截圖擷取網站畫面、分析畫面元素的座標位置，模擬人類的操作流程。

這類方法雖然相對容易上手，但穩定性往往不高。一旦網站介面略有調整，例如按鈕位置變動、功能重新排列，原本設定好的自動化流程就可能失效，導致任務中斷，也增加維護與修正的技術成本。同時，網站普遍具備反機器人機制，像是封鎖異常IP、要求輸入驗證碼、或強制重新登入等，也讓AI的執行過程充滿不確定性。

Browser Use採完全不同路徑。不依賴圖像判斷，而是讓AI真正「讀懂」網站，透過網頁互動元素（如按鈕、輸入欄位、下拉選單等）轉譯為語意化結構化文字格式，使大型語言模型（LLMs）能像理解自然語言一樣理解網站邏輯，進而自主做出操作決策。這樣的方式避開了視覺辨識常見的座標誤差與版面變動問題，大幅提升操作的準確性與穩定性。

▲ Browser Use透過網頁互動元素例如按鈕、輸入欄位、下拉選單等轉譯為語意化的結構化文字格式，使大型語言模型（LLMs）能像理解自然語言一樣理解網站邏輯，進而自動做操作決策。

使用者只需下達任務指令，例如「登入某網站」、「下載某報表」、「填寫特定表單」，Browser Use便能協助AI自動解析網站架構，依序完成各項操作。不僅支援多分頁操作與滑鼠鍵盤模擬，還能存取電腦檔案，讓AI能順利執行更複雜且具連貫性的網頁任務。

▲ Browser use示範用Google Docs寫信給爸爸，並將文件存成PDF的流程。（Source：Browser use）

有趣的是，這項AI技術的原型僅花了四天就完成。是什麼原因，讓一個構想能夠引發開源社群的關注與討論？

午餐時的點子，四天做出原型並引發關注

這個點子來自瑞士蘇黎世聯邦理工學院（ETH Zurich）兩位資料科學碩士生Magnus Müller與Gregor Žunič。

Magnus Müller擅長開發網頁爬蟲與自動化工具，Gregor Žunič則專注於將資料科學應用於實際任務與流程最佳化。兩人在2024年於校園創新加速器「Student Project House」相識，隨即展開合作，著手開發一套能讓大型語言模型控制瀏覽器、直接操作網頁的開源架構。

Gregor Žunič回憶，這個構想最初只是幾次午餐閒聊討論的點子，「我們想做個小東西放上Hacker News，看看會發生什麼事」，沒想到短短四天內便完成了最小可行產品（MVP），並同步上傳至GitHub與Hacker News。

產品曝光後便登上熱門榜首，迅速引發開發者社群的熱烈關注，也吸引大量使用者參與試用與貢獻開發。目前Browser Use在GitHub累積超過五萬顆星，有超過15,000位開發者貢獻者，已成為開源AI自動化領域受矚目專案之一。

▲ Browser Use創辦人Magnus Müller（左）與Gregor Žunič。（Source：Gregor Žunič）

起初，Browser Use僅提供開源版本，供開發者自行部署與客製化使用。但就在OpenAI推出自家瀏覽器代理服務「Operator」後，Browser Use社群的需求瞬間爆炸──許多開發者紛紛詢問是否能直接提供一套免安裝、開箱即用的雲端服務。團隊因應需求，迅速推出由官方營運的線上版本，訂價為每月30美元（約新台幣945元）。

這項線上服務整合了IP切換、驗證碼處理、自動記住登入狀態等功能，並支援同時執行多個任務，使用者無需處理繁瑣的後端設定，就能直接在平台部署AI代理流程。這項產品調整，讓Browser Use不再只是開源工具，也開始具備作為AI代理平台的商業化可能。

看準代理型AI成長潛力，獲1,700萬美元資金挹注

根據市場研究機構Research and Markets的預測，至2029年，AI代理市場的規模將達到420億美元。顧問公司Deloitte則指出，到2027年，超過一半的企業將導入AI代理技術，顯示逐漸成為企業數位轉型的關鍵技術。

在這波產業趨勢，Browser Use也成功獲得資本市場的青睞。由Felicis合夥人Astasia Myers領投、Paul Graham、Nexus Venture Partners、A Capital等創投機構參與的種子輪募資中，Browser Use募得1,700萬美元資金（約新台幣5,100萬元）。

Astasia Myers表示，團隊「開源優先」的策略與AI代理應用定位，是促成投資的主因之一；她同時指出，創辦團隊的執行能力與專業度，亦是吸引投資人關注的重要因素。

團隊正積極開發語音操作、任務重跑、自動排程等功能，並計畫推出API介面，協助開發者更容易將AI代理整合至自家產品。Gregor Žunič表示：「告訴電腦你要做什麼，它就會幫你完成。」這句話，也正是他們想讓AI真正做到的事。

（本文由創業小聚授權轉載；首圖來源：Browser use）