用本地 Chrome + DeepSeek 实现浏览器自动化：browser-use 实战与踩坑记录

用本地 Chrome + DeepSeek 实现浏览器自动化：browser-use 实战与踩坑记录

最近在研究 AI 驱动的浏览器自动化，发现了一个很有意思的项目叫browser-use，它能让 LLM 直接控制浏览器完成各种操作，比如点击、输入、滚动等。官方示例大多用的是 OpenAI 或 Anthropic 的模型，但我手头有 DeepSeek 的 API key，而且不想每次启动都开一个新的浏览器实例（用自己日常的 Chrome 多方便），于是决定折腾一下。

这篇文章记录了我从零开始配置、踩坑到最终跑通的全过程，希望能帮到有类似需求的朋友。

1. 环境准备

首先，我之前做playwright的项目的时候，安装过一个能通过 CDP（Chrome DevTools Protocol）连接的 Chrome 浏览器。启动时需要带上调试端口：

Windows 用户类似：

"C:\Program Files\Google\Chrome Dev\Application\chrome.exe" --remote-debugging-port=9222

启动后，Chrome 会打开一个空白页，同时监听 9222 端口。注意不要关闭这个窗口，我们的 Python 脚本会通过这个端口连接到当前浏览器。

接着安装必要的 Python 包：
browser_use

2. 初次尝试：导入问题

根据官方文档，我一开始这样写：

frombrowser_useimportAgent,Browser,ChatOpenAIfromdotenvimportload_dotenvimportos load_dotenv()llm=ChatOpenAI(model='deepseek-chat',api_key=os.getenv('DEEPSEEK_API_KEY'),base_url='https://api.deepseek.com/v1')browser=Browser(cdp_url="http://localhost:9222")agent=Agent