Browser Useを読む：ブラウザ操作をエージェントへ渡す二つの経路

人のようなブラウザ操作をタスクにする

Browser Useは、AIエージェントが人と同じようにウェブブラウザを扱うためのプロジェクトです。READMEは、ページを開く、ボタンを押す、文字を入力する、フォームを埋めるといった操作を挙げ、利用者が文章でタスクを指定するとエージェントが完了まで進めると説明しています。用途の例には、履歴書と情報を使った求人応募フォームの入力、フォロワーの情報を構造化してCSVへ出す作業があります。これは画面のHTMLを直接読むだけの道具ではなく、ブラウザ上の操作列をエージェントに渡すための枠組みです。反面、画面の変更、ログイン状態、CAPTCHA、サイト規約、入力内容の誤りが結果へ影響します。READMEの例は機能の入口であり、個別サイトでの成功や安全性を保証する報告ではありません。重要な操作に使う場合は、読み取り専用のページ、テスト用アカウント、確認を挟む手順から始めるべきです。

CLIとPythonライブラリの役割分担

READMEは、使い方を二つに分けています。すでにClaude Code、Codex、Cursor、Hermes、OpenClawなどのエージェントを持ち、単発のブラウザ作業を依頼したい場合はCLIが入口です。エージェントへセットアップ用の指示を渡し、browser-use skill installを実行してブラウザへ接続した後、自然言語で作業を頼む流れが示されています。自分のソフトウェアへブラウザ自動化を組み込み、予定実行、並列処理、監視、QA、構造化出力、独自ツールを扱う場合はPythonライブラリが対象です。Python 3.11以上を前提に、uv add browser-useまたはpip install browser-useで追加します。この分け方は、単発の依頼と反復可能なアプリケーションを同じ設定で無理に扱わないための目安です。どちらを選んでも、ブラウザの接続方法、LLMの選択、利用者の権限、タスクの再実行条件は別途決める必要があります。

最初のエージェントに必要な設定

Python版のクイックスタートでは、.envへLLMのAPIキーを置き、AgentとChatBrowserUseを使って最初のタスクを実行します。READMEはBrowser Use Cloudのキーだけでなく、GoogleやAnthropicなど持ち込みプロバイダーのキーも候補として示しています。サンプルでは、ブラウザ用途に最適化したChatBrowserUseのモデルを指定し、別のモデル実装へ差し替える例もコメントされています。実務で重要なのは、キーをコードへ直接書かず、環境変数と実行ユーザーの権限を分けることです。タスク文に個人情報や社内データを含める場合、どのプロバイダーへ送信されるか、ログや履歴に何が残るかを確認してください。READMEはライブラリの導入とAPIキーの置き場所を説明しますが、利用者のデータ保持期間、サイトごとの認証設計、業務上の承認フローまでは決めていません。最初は検索や公開情報の抽出に限定し、入力や送信を伴う作業は、確認画面と停止条件を設けてから試すのがよいでしょう。

オープンソース版とクラウド版の境界

READMEは、自己管理するオープンソースエージェントと、完全ホスト型のBrowser Use Cloudを並べています。オープンソース版は自分のマシンで動かし、LLMを選び、エージェントの挙動をコードレベルで変更できると説明されています。クラウド版は複雑なタスク、規模拡大、プロキシのローテーション、CAPTCHA対応、GmailやSlackなどの連携、永続ファイルシステムやメモリを売りにしています。クラウドAPIへは、BROWSER_USE_API_KEYを使って実行要求を送るcurl例があります。READMEがクラウド版を推奨していることは、すべての利用目的に適するという判定ではありません。自己管理ではブラウザ環境とデータの置き場所を細かく制御しやすい反面、接続や保守を自分で担います。クラウドでは拡張しやすい反面、サイトへのアクセス元、認証情報、タスク履歴、外部サービス連携の境界を確認する必要があります。選択は価格だけでなく、機密性、再現性、失敗時の責任分界で決めるべきです。

ベンチマーク数値をどう読むか

READMEは、100件の現実的なブラウザタスクでBrowser Useを評価し、ベンチマークのコードを公開していると述べています。また、Odysseysの長期タスクで平均87.4パーセントとして首位だというプロジェクト側の説明もあります。後者は200件の長いタスクを測るリーダーボードとして紹介されています。これらの数値は比較の手掛かりにはなりますが、利用者のサイト、モデル、ブラウザ設定、タスク文、ネットワーク、認証状態が同じになるわけではありません。自動化では、一度成功したかより、画面変更後に何を誤認するか、途中で停止できるか、重複送信を避けられるか、出力を人が確認できるかが重要です。自分の用途に近い少数のタスクを作り、成功、失敗、所要時間、要確認、サイト側の制限を記録してください。READMEのベンチマークはプロジェクトが公表する評価であり、業務システムへの導入を独立に証明するものではありません。

MITライセンスとブラウザ自動化の注意点

browser-use/browser-useのライセンスはMITです。ライブラリを利用、改変、配布する条件を確認する基礎になりますが、操作対象のウェブサイトの利用規約や、接続するLLM・クラウドの契約を許可するものではありません。READMEにはドキュメント、クラウドブラウザ、カスタムツール、MCPなどへの導線があります。リリース履歴には0.13.8などが記録されていますが、版番号だけで既存のタスクが維持されるとは限りません。アップグレード時には、ログイン、フォーム、抽出、CSV出力、停止条件を含む回帰シナリオを固定し、失敗時にサイトへ残った変更を確認してください。パスワードや決済情報をエージェントへ渡す場合は、利用者の明示的な承認、最小権限、マスキング、監査ログを設計する必要があります。Browser Useの価値は、ブラウザ操作をコードとタスクへ落とし込める点にあります。採用判断はREADMEの便利な例だけでなく、対象サイトで安全に止められるかを確かめた結果に置くべきです。

編集部の結論

Browser Useは、ブラウザを使う作業を一度だけエージェントへ任せたい人にはCLI、反復処理や製品組み込みをしたい開発者にはPythonライブラリが候補になります。READMEのベンチマークやクラウド機能はプロジェクト側の説明であり、自分のサイト、認証情報、規約、失敗時の影響を検証した結果ではありません。導入前にAPIキーの保管、操作対象の権限、アクセス頻度、保存される履歴、誤操作から戻す手順を定めてください。

公式情報源

1. Official documentation
2. Official README
3. Project repository
4. Release notes