--- schemaVersion: 1 slug: gp-125-20260323-browseruse-cli-2-browser-automation ticketId: GP-125 lang: zh-tw title: Browser Use CLI 2.0 — 最高效的瀏覽器自動化 CLI 工具 summary: Browser Use 發佈 CLI 2.0：速度快兩倍、成本砍半，還可以直接連進你正在跑的 Chrome。這是給 AI agent 裝上手腳的那種工具。 originalDate: 2026-03-23 translatedDate: 2026-03-23 source: "@browser_use on X" sourceUrl: https://x.com/browser_use/status/2035081807209931153 author: null authorshipNote: null canonicalUrl: https://gu-log.vercel.app/posts/gp-125-20260323-browseruse-cli-2-browser-automation status: published replacementTicketId: null replacementUrl: null --- # Browser Use CLI 2.0 — 最高效的瀏覽器自動化 CLI 工具 > **來源:** [@browser\_use on X](https://x.com/browser_use/status/2035081807209931153) 2026 年，AI agent 最尷尬的場景長這樣： 一個號稱能「自動化一切」的 agent，被要求「登入公司 dashboard、下載這週報表」，回了一句—— **「無法操作瀏覽器，但可以提供操作步驟。」** 這就像請了一個什麼都懂的顧問，但他的手被綁起來了。Browser Use CLI 2.0 在做的事，不是讓 AI 更聰明——是終於把繩子解開。 > **Mogu 歪樓一下：** > > AI 工具圈每週都有人宣布「速度快兩倍、成本砍半」，聽到都免疫了，跟早餐店阿姨說「等一下喔馬上好」一樣可信度。但 Browser Use 這次的 claim 有個技術原因撐著，不是純在喊口號。等一下講 CDP 的時候會解釋為什麼——先不要翻白眼 (⌐■\_■) ## 最危險也最實用的功能：連進正在跑的 Chrome 先不講技術原理，先講讓人又愛又怕的東西。 CLI 2.0 之前，browser agent 的標準做法是自己啟動一個全新的 headless Chrome——乾淨無比，什麼 cookie 都沒有，什麼登入狀態都不存在。[Agent](https://gu-log.vercel.app/glossary#agent) 要存取 Gmail？先重新驗證身份。碰到 2FA 的網站？直接卡死。這不是 edge case，是每天都在發生的事。 CLI 2.0 改了遊戲規則：**agent 可以直接連進已經在跑的 Chrome**。 開發者平常用的那個 Chrome，已經登入的 Notion、已經開好的 Google Sheet、已經在跑的 SaaS dashboard——agent 全部看得到、全部碰得到。從「理論上能用」直接跳到「真的能做事」。 ```bash # 用 CDP debug port 啟動 Chrome google-chrome --remote-debugging-port=9222 # Browser Use CLI 連進去 browser-use --attach-to 9222 "把這個試算表的資料整理成報告" ``` > **Mogu 補個刀：** > > 講白了，attach to running Chrome = 把所有已登入帳號的鑰匙交給一個 AI agent。這不是比喻，是字面意思。Notion、Gmail、公司內部系統、網路銀行——只要那個 Chrome session 登入過的，agent 全部碰得到。 > > 所以在生產環境跑之前，拜託先想清楚兩件事：(1) 這個 agent 的 scope 設到哪裡，(2) 一個 prompt injection 進來的時候損失上限是多少。不是在嚇人——是這個功能的 blast radius 大到值得認真對待。有些方便是用風險換來的，這個 trade-off 得自己做 (╯°□°)╯ --- ## 快的代價：繞過 Playwright 直接講瀏覽器母語 好，回來講「速度快兩倍」背後的技術。 **Playwright** 和 **Puppeteer** 是目前最主流的瀏覽器自動化工具，API 友善，文件齊全，生態系成熟。但本質上，這兩個工具都是在 **CDP（Chrome DevTools Protocol）之上**再包一層抽象。 CDP 是什麼？就是按 F12 打開開發者工具時，那個面板背後用的底層協議。Chrome 官方暴露的原生通道，用 WebSocket 直接跟瀏覽器對話：「截圖」「執行這段 JS」「點座標 (320, 480) 的元素」。 Playwright 的路徑：程式碼 → Playwright API → CDP → Chrome。 Browser Use CLI 2.0 的路徑：agent → CDP → Chrome。 少一層轉譯，少一層記憶體開銷。速度快在這裡，成本省在這裡。 但快不是免費的。 > **Mogu 想補充：** > > 這邊要講一個很多人不提的 trade-off：Playwright 那層「多餘的抽象」其實幫開發者擋掉了一堆底層的髒東西——瀏覽器版本差異、race condition、element 定位的邊界條件。拿掉 Playwright 直接打 CDP，等於自己要面對這些妖魔鬼怪。 > > 對 AI agent 來說這可能還好，反正 LLM 本來就是靠截圖 + DOM 在判斷下一步，不需要 Playwright 那層保護。但對想拿 Browser Use 做正經 E2E 測試的人？三思。Playwright 的抽象層確實多繞了一步，但那是保險費，不是浪費 ┐(￣ヘ￣)┌ 「成本砍半」還有另一個功臣：**DOM 解析策略的翻新**。早期 browser agent 的標準做法是把整個頁面截圖，丟給視覺模型問「該點哪裡」——一張 1080p 截圖燒掉幾千 token，agent 點 20 次完成一個任務，帳單直接起飛。CLI 2.0 優先用精簡的 DOM 結構描述頁面，截圖變成 fallback 而不是預設。[Token](https://gu-log.vercel.app/glossary#token) 用量斷崖式下降。 --- ## 沒有人在搶的位置 拉遠一點看 2026 年的 AI agent 生態系，會發現一個奇怪的失衡。 做「大腦」的工具多到爆——GPT-4o、Claude、Gemini、各種開源 model，每週都有新選手進場。做「記憶」的也不少——向量資料庫、context window 技術、RAG pipeline。做「工具呼叫」的更是蓬勃——[MCP](https://gu-log.vercel.app/glossary#mcp)、function calling、tool use。 但有一塊地方，長期被所有人忽略：**真實世界的 UI 操作**。 全世界大部分的資料和功能，不是透過 API 暴露的。那些東西藏在需要登入的網頁後面、藏在只有 GUI 的企業軟體裡、藏在二十年前寫的 legacy 系統的 dropdown 選單下面。如果 agent 不會操作瀏覽器，它的能力邊界就停在「API 友善的世界」——而那個世界，大概只佔真實工作場景的三成。 Browser Use 在搶的，就是這個沒人搶的位置。那種每週要手動登入、點三層選單、下載 CSV 的 dashboard？自動化。從 A 系統抓資料填進 B 系統、不用等 A 開 API？自動化。這些不是假想情境，是每個公司每天都在用人力燒的流程。 > **Mogu 畫重點：** > > Browser Use、Playwright MCP、Stagehand——2026 年搶「AI 的手腳」這個位置的選手屈指可數。誰最終贏？不會是技術最酷的那個，會是 reliability 最高的那個。 > > 原因很殘酷：瀏覽器操作的 failure mode 不像 API call 那樣優雅。API 失敗回一個 4xx，retry 就好。Browser agent 卡在一個意料之外的 CAPTCHA、一個動態載入的 modal、一個「請更新瀏覽器」彈窗——整條 pipeline 就死在那裡，而且死狀很難看。誰先把這種「死在奇怪地方」的機率壓到最低，誰就贏。不是比酷，是比穩 (◕‿◕) --- ## 結語 Browser Use 是開源的（GitHub 60k+ stars），這個數字本身說明「讓 AI 操作瀏覽器」的需求有多真實——不是學術 demo，是真的有人在生產環境跑。 但技術問題解決了，信任問題還沒有。 當一個 AI agent 拿到了完整的瀏覽器控制權、看得到所有已登入的帳號、能代替使用者執行任何操作——「它應該被允許做到哪裡」這個問題，目前沒有標準答案。Browser Use 讓 agent 終於有了手，但什麼時候該把手收回來，還是得靠人自己決定。 > **Mogu 想補充：** > > 60k stars 的開源專案，做的事情是「讓 AI 完整操控瀏覽器」。仔細想想這件事有多瘋狂——三年前這種東西會被當 security nightmare 秒殺，現在大家搶著用。不是因為風險消失了，是因為「讓 AI 幫忙做事」的誘惑實在太大，大到人們願意先上車再繫安全帶。 > > 這個工具值得認真看，也值得認真怕 (๑•̀ㅂ•́)و✧ ## 延伸閱讀 - [GP-120: Nyk Builderz 拆解 Claude Code vs Codex vs 開源 CLI — AI Agent 工具比較](https://gu-log.vercel.app/posts/gp-120-20260320-nyk-builderz-claude-code-codex-ai-agent-cli/) - [GP-121: Claude Dispatch — AI 幫忙跑 Claude Code 的 AI](https://gu-log.vercel.app/posts/gp-121-20260320-heynavtoor-ai-claude-dispatch/)