browser-use: como conectar agentes de IA ao navegador

Se você já tentou extrair dados de um site sem API pública ou automatizar um fluxo que exige login, o browser-use resolve esse caso. Ele combina um modelo de linguagem com automação de navegador via Playwright. O modelo decide a próxima ação e a biblioteca executa no navegador.

O repositório browser-use/browser-use é um dos mais ativos do GitHub na área de agentes. Tem mais de 120 mil estrelas, licença MIT e recebeu atualização em 9 de novembro de 2026. Isso dá segurança para adotar em projetos reais.

O que é o browser-use e como funciona a automação

Um agente de código tradicional trabalha com arquivos, terminais e APIs. Quando a tarefa envolve um site sem API, ele trava. O browser-use fecha essa lacuna. Ele abre um navegador controlado, captura o estado da página e pede ao modelo qual ação tomar em seguida.

O ciclo é simples. O agente recebe um objetivo em linguagem natural. Ele observa a página atual, escolhe uma ação, como clicar em um botão ou preencher um campo, e repete até concluir. A biblioteca cuida da execução via Playwright, que é estável e suporta Chrome, Firefox e WebKit.

Diferente de scrapers tradicionais baseados em seletores fixos, o browser-use se adapta quando o layout muda. O modelo entende a página pelo conteúdo e pela estrutura, não por um seletor frágil. Isso reduz manutenção, mas não elimina a necessidade de testes.

Como instalar o browser-use e rodar o primeiro agente

A instalação exige Python e Playwright. O browser-use cuida de boa parte do setup.

$ pip install browser-use
$ playwright install chromium

Depois, configure a chave do modelo. O browser-use suporta OpenAI, Anthropic, Groq e outros provedores compatíveis com a API da OpenAI.

from browser_use import Agent
from langchain_openai import ChatOpenAI
import asyncio

async def main():
    agent = Agent(
        task="Abra o GitHub e pesquise por 'mem0ai/mem0'.",
        llm=ChatOpenAI(model="gpt-4o"),
    )
    await agent.run()

asyncio.run(main())

O método run executa o ciclo até o agente considerar a tarefa concluída ou atingir o limite de passos. Você pode definir o número máximo de passos, o tempo limite e se o navegador deve rodar em modo visível ou headless.

Se preferir não usar a OpenAI, aponte o llm para outro provedor compatível. A documentação oficial traz exemplos para Anthropic, Groq e modelos locais via Ollama.

Casos de uso reais para devs e founders

O browser-use brilha em três situações. A primeira é extração de dados de sites sem API, como portais de fornecedores, painéis administrativos e páginas de preços. A segunda é automação de fluxos que exigem interação humana, como preencher formulários multi-etapa ou baixar relatórios. A terceira é testes de interface guiados por linguagem natural.

Para founders, um caso comum é monitorar concorrentes. O agente pode abrir a página de preços de um concorrente, capturar os planos e salvar em um arquivo. Para devs, automatizar a criação de contas em ambientes de teste economiza horas.

Se você já usa agentes para código, o browser-use complementa. Um agente pode escrever o código e outro pode abrir o navegador para testar o resultado. Em fluxos multiagente, cada agente no seu espaço isolado evita conflitos.

Limites, custos e cuidados de segurança

Automação de navegador tem custos que não aparecem no código. Cada passo consome tokens do modelo, porque a página precisa ser lida e interpretada. Tarefas longas podem consumir muito. Defina limites claros de passos e tempo.

Sites com CAPTCHA, autenticação forte ou detecção de bot podem bloquear o agente. O browser-use não resolve CAPTCHA por padrão. Em ambientes corporativos, verifique os termos de uso do site antes de automatizar.

Segurança é outro ponto. Um agente com acesso a um navegador pode executar ações irreversíveis, como enviar formulários ou deletar dados. Sempre rode em ambiente isolado, com credenciais de teste, e exija confirmação humana para ações críticas.

Como integrar o browser-use com um squad de agentes

O browser-use expõe uma interface simples que pode ser chamada por qualquer orquestrador. Você pode criar um agente especializado em navegação e outro em análise dos dados extraídos. Cada um no seu papel, com seus modelos e chaves.

Se você coordena vários agentes, vale separar a memória de navegação da memória de análise. Um agente que lembra os seletores que funcionaram economiza tempo em execuções futuras. Veja também Como rodar agentes em paralelo no VS Code e Workflows multiagente no bridgecode para manter cada um no seu espaço isolado.

Perguntas frequentes sobre o browser-use

O browser-use é gratuito?

A biblioteca é open source com licença MIT. O custo vem do modelo de linguagem que você escolhe e da infraestrutura onde o navegador roda.

Preciso de GPU para rodar o browser-use?

Não. O navegador roda em CPU. O modelo de linguagem pode ser remoto. Se você usar um modelo local, aí a GPU pode ser necessária para esse modelo.

O browser-use resolve CAPTCHA?

Não por padrão. Sites com CAPTCHA ou detecção de bot podem bloquear o agente. Existem serviços de terceiros para isso, mas verifique os termos de uso do site.

Posso usar o browser-use em produção?

Sim, desde que você trate segurança, custos e falhas. Rode em ambiente isolado, defina limites de passos e monitore os resultados.

browser-use funciona com Firefox e Safari?

Ele usa Playwright, que suporta Chromium, Firefox e WebKit. O suporte a WebKit cobre o motor do Safari. Verifique a versão do Playwright na documentação.