browser-use: tự động hoá trình duyệt bằng AI — hướng dẫn cài đặt và dùng
Bài này là một góc nhìn khác về browser-use/browser-use — repo từng đổi tên nên mình viết lại với cách tiếp cận khác. Bài hướng dẫn chính: browser-use: AI tự thao tác trình duyệt thay bạn — hướng dẫn cài đặt và dùng →

Tóm tắt nhanh
browser-use là thư viện Python mã nguồn mở để xây dựng AI agent có thể thao tác trên trình duyệt thật bằng CDP. Bạn có thể dùng trình duyệt cloud, Chrome/Chromium trên máy hoặc kết nối mô hình AI riêng. Cài đặt khá dễ nếu dùng Python 3.11 trở lên và ghim đúng phiên bản gói.
browser-use là thư viện Python mã nguồn mở giúp AI tự thao tác trên trình duyệt thật. Bạn giao cho agent một nhiệm vụ bằng ngôn ngữ tự nhiên, sau đó mô hình tự viết mã Python trong một REPL lâu dài để mở trang, bấm nút, nhập dữ liệu, đọc kết quả và hoàn thành công việc.
Repo phù hợp với lập trình viên muốn xây dựng browser agent, nhân viên văn phòng muốn tự động hoá các thao tác lặp lại, hoặc chủ shop cần thu thập thông tin từ nhiều trang. Điểm đáng giá nhất là bạn không cần tự viết bộ chọn CSS cho từng nút. Agent có thể dùng các helper của browser-harness và Chrome DevTools Protocol để điều khiển trình duyệt.
Bạn có thể chạy agent bằng trình duyệt cloud mặc định, bằng Chrome hoặc Chromium cục bộ, hoặc kết nối mô hình khác như OpenAI, Anthropic, Google và các mô hình tương thích Pydantic AI. Repo hiện có khoảng 120878 sao và 13516 fork, dùng giấy phép MIT.
browser-use/browser-use
Thư viện Python giúp AI tự thao tác trên trình duyệt để tìm kiếm, điền biểu mẫu, tải tệp và hoàn thành tác vụ.
I.browser-use làm được gì
A.Giao nhiệm vụ bằng câu tự nhiên
Bạn chỉ cần mô tả việc cần làm như “tìm số sao của repo browser-use” hoặc “tìm lịch thi lái xe sớm nhất”. Agent sẽ tự phân tích trang web, chọn thao tác phù hợp và trả lại kết quả cuối cùng.
Điều này hữu ích khi quy trình có nhiều bước nhỏ, chẳng hạn mở trang, đăng nhập, lọc dữ liệu, chọn một dòng rồi lấy thông tin. Bạn không phải biến toàn bộ quy trình thành một chuỗi lệnh bấm cố định ngay từ đầu.
B.Điều khiển trình duyệt thật bằng CDP
Agent chạy thao tác trên Chrome hoặc Chromium thông qua Chrome DevTools Protocol. Mô hình có thể mở tab, điều hướng, bấm phần tử, chạy JavaScript và đọc nội dung trả về.
Cách này phù hợp với các trang có giao diện thay đổi thường xuyên hơn so với một script chỉ dựa vào vị trí cố định. Tuy vậy, agent vẫn cần được giao nhiệm vụ rõ ràng và phải được giới hạn quyền truy cập khi chạy tác vụ không đáng tin cậy.
C.Chọn trình duyệt cloud hoặc trình duyệt trên máy
Browser() dùng trình duyệt Browser Use Cloud mặc định. Browser('chromium') mở một Chromium mới với hồ sơ tạm thời. Browser('chrome') kết nối vào Chrome đang mở và có sẵn các phiên đăng nhập của bạn.
Bạn cũng có thể dùng hồ sơ riêng như Browser('chrome', profile='Work'), hoặc giữ hồ sơ Chromium giữa các lần chạy bằng user_data_dir. Nhờ vậy, cùng một thư viện có thể dùng cho thử nghiệm cá nhân, tự động hoá nội bộ hoặc triển khai trên hạ tầng riêng.
D.Kết nối nhiều mô hình AI
Agent có mặc định bu-fast trên gateway Browser Use. Bạn cũng có thể dùng ChatOpenAI, ChatAnthropic, ChatGoogle, hoặc chuỗi mô hình Pydantic AI như groq:llama-3.3-70b-versatile sau khi cài gói tương ứng.
Điểm quan trọng là trình duyệt và mô hình là hai phần có thể thay đổi độc lập. Bạn có thể dùng cloud browser nhưng chọn mô hình riêng, hoặc dùng Chromium cục bộ cùng một mô hình chạy trên máy.
E.Lấy kết quả có cấu trúc
Với output_model_schema, agent có thể trả kết quả theo một schema thay vì chỉ trả văn bản. Tính năng này hữu ích khi bạn cần đưa dữ liệu sang Excel, cơ sở dữ liệu hoặc một API khác.
Ví dụ, thay vì nhận một đoạn mô tả dài, chương trình có thể yêu cầu các trường như tên sản phẩm, giá, tình trạng còn hàng và URL.
F.Tải lên, tải xuống và xử lý tệp
Bạn có thể đặt tệp trong workspace và yêu cầu agent sử dụng tệp đó trong biểu mẫu. Các tệp trình duyệt tải xuống sẽ nằm trong agent.workspace/downloads; danh sách tệp cũng có trong result.downloads.
Tên tệp bị trùng không bị ghi đè. Repo tạo tên mới với hậu tố như (1). Điều này phù hợp với việc tải nhiều báo cáo, hoá đơn hoặc kết quả tìm kiếm trong cùng một lần chạy.
G.Bảo vệ dữ liệu nhạy cảm ở mức hỗ trợ của thư viện
Mật khẩu có thể truyền qua sensitive_data. Agent sẽ dùng type_secret() và giá trị được thay bằng dạng ẩn trong cell output, checkpoint, tool result, task và result.
Đây không phải một sandbox tuyệt đối. Mã Python do model viết vẫn có thể đọc giá trị, còn ảnh chụp màn hình, JavaScript trên trang và chế độ xem cloud trực tiếp có thể làm lộ dữ liệu. Bạn cần đánh giá độ tin cậy của tác vụ trước khi đưa thông tin thật vào.
H.Giới hạn miền truy cập và tìm kiếm web
Bạn có thể đặt allowed_domains, prohibited_domains hoặc block_ip_addresses=True. Đây là lớp bảo vệ giúp agent tránh truy cập nhầm trang, đặc biệt khi nhiệm vụ có nhiều chuyển hướng.
Tính năng tìm kiếm web được bật bằng web_search=True, tắt mặc định và cần Browser Use key. Mỗi lượt tìm kiếm được tính phí theo chính sách của Browser Use và chi phí được cộng vào result.cost_usd.
II.Cần chuẩn bị gì
Bạn cần máy chạy Python từ 3.11 trở lên. pyproject.toml của repo yêu cầu Python >=3.11,<4.0.
Bạn cần một terminal để tạo môi trường Python và cài gói. README hướng dẫn cả uv lẫn môi trường ảo venv cùng pip.
Nếu dùng mặc định Browser() hoặc muốn dùng gateway Browser Use, bạn cần biến BROWSER_USE_API_KEY. README chỉ ra cách lấy key từ trang tạo API key của Browser Use. Một key có thể dùng cho model, cloud browser, CLI và MCP server theo mô tả của repo.
Nếu dùng ChatOpenAI, bạn cần OPENAI_API_KEY. Nếu dùng một model tương thích qua base_url, bạn cần cung cấp model, địa chỉ server và key phù hợp với server đó. Với mô hình local như Ollama, README nêu ví dụ dùng địa chỉ http://localhost:11434/v1 và key ollama.
Nếu muốn chạy trình duyệt cục bộ, bạn cần Chrome, Chromium hoặc Edge phù hợp với lựa chọn Browser('chromium') hay Browser('chrome'). README không yêu cầu GPU cho thư viện. Với cloud browser, trình duyệt do Browser Use cung cấp.
Bạn cũng nên chuẩn bị một thư mục dự án riêng. README khuyến nghị ghim chính xác phiên bản browser-use==1.0.3, không dùng >=, vì các bản phát hành thay đổi nhanh và có thể làm hỏng API hoặc dependency.
Không đưa API key, mật khẩu hoặc dữ liệu khách hàng vào mã nguồn công khai. sensitive_data chỉ giúp che giá trị ở một số đầu ra; nó không biến agent thành sandbox an toàn tuyệt đối.
III.Cài đặt từng bước
- Chuẩn bị PythonCài Python 3.11 trở lên và mở terminal
- Tạo dự ánTạo thư mục agent bằng uv hoặc venv
- Cài browser-useCài đúng phiên bản browser-use==1.0.3
- Cấu hình keyĐặt BROWSER_USE_API_KEY hoặc key của model bạn chọn
- Chạy thử agentGiao một nhiệm vụ đơn giản và xem kết quả
A.Chuẩn bị thư mục dự án
Mở PowerShell, Terminal hoặc shell mà bạn thường dùng. Chuyển tới thư mục nơi muốn lưu mã nguồn. Nếu muốn lấy mã repo để đọc ví dụ, có thể clone repo rồi đi vào thư mục đó:
git clone https://github.com/browser-use/browser-use.git
cd browser-useLệnh git clone tải mã nguồn về máy. Lệnh cd chuyển terminal vào đúng thư mục. Nếu chỉ muốn dùng gói Python trong một dự án riêng, bạn không bắt buộc phải clone repo; có thể chạy các lệnh cài đặt trong thư mục dự án mới.
Người mới thường mở terminal ở sai thư mục. Bạn có thể kiểm tra dòng nhắc lệnh trước khi chạy các lệnh tiếp theo. Mọi lệnh tạo môi trường và cài gói nên được chạy trong thư mục dự án mà bạn muốn giữ mã agent.
B.Cài bằng uv
README cung cấp lệnh tạo dự án bằng Python 3.12 và thêm browser-use:
uv init --python 3.12 my-agent && cd my-agent
uv add 'browser-use==1.0.3'
export BROWSER_USE_API_KEY=bu_... # get one at https://cloud.browser-use.com/new-api-keyuv init tạo dự án mới với Python 3.12. cd my-agent đi vào thư mục dự án. uv add cài đúng phiên bản thư viện và ghi dependency vào cấu hình dự án.
Lệnh export dùng cho macOS, Linux và các shell tương thích. Giá trị bu_... chỉ là chỗ giữ chỗ; bạn phải thay bằng key thật. Không chép nguyên dòng mẫu nếu chưa có key.
Nếu dùng PowerShell, README không đưa lệnh PowerShell tương ứng cho biến môi trường. Bạn nên xem đúng cách đặt biến môi trường của shell đang dùng và vẫn giữ nguyên tên BROWSER_USE_API_KEY. Không tự đổi tên biến vì thư viện sẽ không đọc được cấu hình.
C.Cài bằng venv và pip
Nếu chưa dùng uv, README cung cấp cách tạo môi trường ảo bằng Python rồi cài bằng pip:
python3 -m venv .venv && source .venv/bin/activate
pip install 'browser-use==1.0.3'
export BROWSER_USE_API_KEY=bu_...Lệnh đầu tạo thư mục môi trường ảo .venv và kích hoạt nó. pip install cài thư viện vào môi trường đang kích hoạt, không cài lẫn vào Python hệ thống. Sau đó, export đặt key cho phiên terminal hiện tại.
Trên Windows, tên lệnh Python có thể khác tuỳ cách cài Python. README chỉ ghi nguyên văn lệnh python3 và source ở trên, chưa ghi lệnh PowerShell tương ứng. Nếu lệnh không tồn tại, hãy dùng cách kích hoạt môi trường ảo theo bộ cài Python trên máy bạn, nhưng vẫn kiểm tra rằng pip đang trỏ vào .venv.
D.Tạo chương trình chạy thử
Tạo một tệp Python trong dự án và chép đoạn tối giản sau:
from browser_use import Agent
result = Agent('Find the number of stars of the browser-use repo').run_sync()
print(result.final_result())Agent(...) nhận nhiệm vụ bằng văn bản. run_sync() chạy agent theo kiểu đồng bộ, phù hợp với chương trình đơn giản. final_result() lấy kết quả cuối cùng để in ra terminal.
Lần chạy mặc định dùng model bu-fast trên gateway Browser Use và dùng Browser Use Cloud browser. Vì vậy, BROWSER_USE_API_KEY cần có giá trị hợp lệ nếu bạn chạy đúng cấu hình mặc định.
E.Chạy bằng trình duyệt cục bộ và model riêng
Nếu không muốn dùng cloud browser, README có ví dụ dùng Chromium cục bộ cùng ChatOpenAI:
from browser_use import Agent, Browser, ChatOpenAI
agent = Agent(
'Find the number of stars of the browser-use repo',
llm=ChatOpenAI('gpt-6-luna'), # OPENAI_API_KEY; or ChatOpenAI(model, base_url=...) for any compatible server
browser=Browser('chromium'), # a fresh local Chrome with its own temp profile
)
print(agent.run_sync().final_result()) # in async code: result = await agent.run()ChatOpenAI('gpt-6-luna') dùng key OpenAI trong biến OPENAI_API_KEY. Browser('chromium') mở một trình duyệt Chromium mới với hồ sơ tạm. Hồ sơ này bị xoá sau khi chạy xong.
Nếu máy không có màn hình, chẳng hạn Docker hoặc CI, trình duyệt sẽ chạy headless. README cũng nêu các tuỳ chọn headless=, executable_path= và user_data_dir= khi bạn cần kiểm soát cách mở trình duyệt.
F.Chọn Chrome đang đăng nhập
Để điều khiển Chrome đang mở và dùng các phiên đăng nhập hiện có, README dùng:
browser=Browser('chrome')Bạn cần bật chrome://inspect/#remote-debugging một lần theo hướng dẫn trong README. Với hồ sơ công việc, có thể dùng:
browser=Browser('chrome', profile='Work')Hồ sơ Work được sao chép tạm thời, tắt đồng bộ và cho phép Chrome hiện tại tiếp tục mở, ngoại trừ giới hạn được README lưu ý trên Windows. Không dùng cách này cho dữ liệu quan trọng nếu bạn chưa hiểu rõ quyền truy cập debugging trên máy.
IV.Kiểm tra đã chạy được chưa
Cách kiểm tra đơn giản nhất là chạy chương trình tìm số sao của repo. Nếu cài đúng, agent sẽ mở trình duyệt, thực hiện các bước cần thiết và print(result.final_result()) in ra câu trả lời cuối cùng.
Bạn cũng có thể kiểm tra bằng CLI theo prompt mẫu trong README:
Install browser-use with `uv tool install browser-use==1.0.3`, run `browser-use skill install` to register the skill, and connect it to my browser. If setup or connection fails, run `browser-use --doctor` and follow its output and the error message.Khi kết nối hoặc thiết lập thất bại, chạy browser-use --doctor theo hướng dẫn trên. Kết quả mong đợi là agent có thể kết nối tới browser và trả về kết quả nhiệm vụ, thay vì lỗi import, thiếu key hoặc lỗi kết nối.
Nếu dùng cloud browser, mặc định trình duyệt sẽ dừng khi lượt chạy kết thúc. Nếu dùng Browser('chromium'), bạn sẽ thấy một Chromium mới với hồ sơ tạm. Nếu dùng Browser('chrome'), agent thao tác trong Chrome đang mở theo cấu hình debugging.
V.Dùng vào việc thật
A.Nhân viên văn phòng thu thập thông tin
Một nhân viên cần kiểm tra thông tin trên một website nhiều trang có thể giao nhiệm vụ như: “Mở trang sản phẩm, tìm tất cả sản phẩm còn hàng trong danh mục X, lấy tên và giá, rồi trả về danh sách”. Agent sẽ tự điều hướng, đọc nội dung và trả kết quả.
Nếu cần dữ liệu đưa vào phần mềm, hãy dùng output_model_schema để yêu cầu các trường có cấu trúc. Cách này giảm công việc tách dữ liệu thủ công từ một đoạn văn bản dài.
B.Chủ shop kiểm tra giá và tình trạng hàng
Chủ shop có thể yêu cầu agent mở các trang được phép, tìm một danh sách sản phẩm, ghi nhận giá và kiểm tra còn hàng hay không. Nên đặt allowed_domains để agent chỉ truy cập những miền cần thiết.
Khi website yêu cầu đăng nhập, bạn có thể dùng Chrome đang đăng nhập hoặc truyền mật khẩu qua sensitive_data. Không nên đưa mật khẩu trực tiếp vào prompt hoặc tệp mã nguồn.
C.Dev tự động tải báo cáo
Một dev có thể giao nhiệm vụ đăng nhập hệ thống nội bộ, lọc báo cáo theo khoảng thời gian, tải tệp và lưu vào workspace. Các tệp tải xuống nằm trong agent.workspace/downloads và có thể kiểm tra qua result.downloads.
Nếu tải nhiều tệp có cùng tên, repo không ghi đè tệp cũ mà tạo tên có hậu tố (1). Điều này giúp giảm rủi ro mất báo cáo khi agent chạy lặp lại.
D.Người dùng cần điền biểu mẫu hoặc đặt lịch
Với một biểu mẫu nhiều bước, bạn có thể giao nhiệm vụ như: “Mở biểu mẫu, điền thông tin từ tệp trong workspace, kiểm tra lại và dừng trước khi gửi”. Việc yêu cầu dừng trước thao tác cuối giúp bạn kiểm tra nội dung trước khi tạo giao dịch hoặc gửi dữ liệu.
Browser Use Cloud có trình duyệt stealth, proxy và khả năng hỗ trợ CAPTCHA theo mô tả của README. Tuy nhiên không có cấu hình nào bảo đảm mọi CAPTCHA đều được giải quyết. Với thao tác đặt lịch, mua hàng hoặc gửi hồ sơ, bạn vẫn nên yêu cầu agent chờ xác nhận trước bước cuối.
Giao cho máy phần việc lặp lại, nhưng giữ quyền quyết định ở những bước có hậu quả.
Ông T
VI.Lỗi hay gặp và cách xử lý
A.Sai phiên bản Python
Nếu Python thấp hơn 3.11, việc cài có thể thất bại vì pyproject.toml yêu cầu Python từ 3.11 đến dưới 4.0. Hãy kiểm tra phiên bản Python đang được terminal sử dụng và tạo lại môi trường bằng phiên bản phù hợp.
B.Cài bản mới nhất không ghim phiên bản
Không dùng browser-use>=1.0.3 hoặc cài không kiểm soát nếu bạn cần chạy ổn định. README nhấn mạnh phải ghim đúng browser-use==1.0.3 vì API và dependency thay đổi nhanh. Khi nâng cấp, hãy đọc release notes và kiểm tra lại mã agent.
C.Thiếu hoặc đặt sai API key
Nếu dùng Browser() mặc định mà chưa đặt BROWSER_USE_API_KEY, agent có thể không kết nối được gateway hoặc cloud browser. Hãy kiểm tra đúng tên biến, không để khoảng trắng thừa và không đưa key vào repo công khai.
Nếu dùng ChatOpenAI, hãy kiểm tra OPENAI_API_KEY thay vì chỉ đặt BROWSER_USE_API_KEY. Hai cách chạy có cấu hình model khác nhau.
D.Không kết nối được Chrome đang mở
Browser('chrome') cần Chrome đang chạy và remote debugging được bật theo hướng dẫn của README. Nếu kết nối lỗi, thử dùng Browser('chromium') để kiểm tra thư viện trước, hoặc kiểm tra lại chrome://inspect/#remote-debugging.
Trên máy dùng chung, Chrome hoặc Chromium mở cổng debugging trên 127.0.0.1 không có xác thực. Người dùng cục bộ khác có thể gắn vào trình duyệt và phiên đăng nhập, nên hãy cân nhắc container hoặc cloud browser cho tác vụ nhạy cảm.
E.Agent truy cập nhầm miền hoặc lộ dữ liệu
Hãy đặt allowed_domains hoặc prohibited_domains và giao nhiệm vụ cụ thể. Nhưng đây chỉ là guard dành cho model đã được căn chỉnh, không phải sandbox hoàn chỉnh: JavaScript, iframe, request tới host khác hoặc mã Python của agent vẫn có thể vượt ngoài giả định đơn giản.
Với tác vụ không tin cậy, chạy trong container hoặc máy ảo. Không dùng hồ sơ Chrome thật nếu agent không cần quyền truy cập các tài khoản cá nhân.
VII.Có nên dùng không
Nên dùng browser-use nếu bạn muốn biến một quy trình trình duyệt nhiều bước thành một agent Python, cần lựa chọn giữa cloud browser và browser cục bộ, hoặc muốn kết quả có cấu trúc, upload, download và công cụ tuỳ chỉnh. Repo có tài liệu quickstart khá rõ, hỗ trợ nhiều kiểu model và giấy phép MIT.
Điểm mạnh là cách giao nhiệm vụ tự nhiên, khả năng điều khiển trình duyệt thật bằng CDP, hỗ trợ hồ sơ đăng nhập, giới hạn miền và kết nối cloud. Việc ghim phiên bản cũng giúp dự án dễ kiểm soát hơn khi thư viện phát triển nhanh.
Giới hạn cần nhớ là model inference và hosted browser có thể phát sinh phí. Browser Use Cloud tính phí theo việc sử dụng; web search cũng được tính phí. Cấu hình sensitive_data không phải lớp bảo mật tuyệt đối, còn domain restriction không thay thế sandbox. CAPTCHA cũng không được bảo đảm xử lý trong mọi trường hợp.
Nếu bạn chỉ cần tự động hoá vài thao tác cố định, Playwright hoặc Selenium có thể dễ dự đoán và dễ kiểm thử hơn. Nếu bạn cần một dịch vụ đã vận hành sẵn gồm cả agent, browser và hạ tầng, hãy cân nhắc API cloud của Browser Use thay vì tự quản lý toàn bộ thư viện. Còn nếu cần quyền kiểm soát mã nguồn, model, trình duyệt và workspace, browser-use là một lựa chọn đáng thử.
Câu hỏi thường gặp
browser-use có miễn phí không?
Thư viện Python miễn phí và dùng giấy phép MIT. Tuy nhiên model inference, Browser Use Cloud và web search có thể tính phí theo mức sử dụng. Bạn cũng có thể dùng Chromium cục bộ với một model local như Ollama.
Có cần GPU để chạy browser-use không?
Tư liệu được cung cấp không yêu cầu GPU. Repo cho phép dùng cloud browser, Chrome/Chromium cục bộ hoặc model local, nhưng tài liệu không nêu cấu hình phần cứng tối thiểu.
Có chạy được trên Windows không?
Repo dùng Python và README có nhắc riêng một số giới hạn khi dùng hồ sơ Chrome trên Windows. Tuy nhiên phần lệnh kích hoạt venv trong README dùng cú pháp Unix và chưa ghi đầy đủ lệnh PowerShell tương ứng.
Dữ liệu và mật khẩu có an toàn không?
Có thể truyền mật khẩu qua `sensitive_data` để thư viện che giá trị trong nhiều loại output. Nhưng đây không phải sandbox: mã Python do model viết, ảnh chụp màn hình, JavaScript và cloud live view vẫn có thể làm lộ dữ liệu.
Có thể dùng Chrome đang đăng nhập không?
Có. Dùng `Browser('chrome')` để điều khiển Chrome đang mở với các phiên đăng nhập hiện có, sau khi bật remote debugging. Bạn cũng có thể dùng `Browser('chrome', profile='Work')` với bản sao tạm của hồ sơ.
browser-use có tự giải CAPTCHA không?
Browser Use Cloud cung cấp trình duyệt stealth, proxy và solver CAPTCHA theo tư liệu. Agent sẽ chờ solver bằng `solve_captcha()`, nhưng không có cấu hình nào bảo đảm mọi CAPTCHA đều được giải quyết.
Có thể giới hạn agent chỉ truy cập một số website không?
Có thể dùng `Browser(allowed_domains=['example.com', '*.example.org'])`, `prohibited_domains` hoặc `block_ip_addresses=True`. Đây là guard hỗ trợ kiểm soát agent, không phải sandbox hoàn chỉnh.


