2026 年，AI Agent 要真正有用，必须能上网。不是调用 API 那种"上网"，而是打开浏览器、点击按钮、填写表单、读取内容——像人一样操作网页。

目前做这件事的开源工具，最火的有三个：browser-use（94k stars）、agent-browser（33k stars）、browser-harness（12.6k stars）。Stars 差了快 10 倍，但选型不能只看 stars。

我把三个项目都实际跑了一遍，翻了源码和文档。这篇文章是我的选型结论。

本文提纲

1. 三者定位完全不同
2. 架构对比：谁的设计更聪明
3. 性能对比：资源占用和速度
4. 功能对比：谁做的事最多
5. LLM 支持对比
6. 安全和反检测
7. 部署和可扩展性
8. 上手难度
9. 实际使用体验
10. 选型结论

三者定位完全不同

先搞清楚一个关键事实：它们不是同一类东西。

browser-use — Agent 框架

from browser_use import Agent
agent = Agent(task="帮我买一张去东京的机票", llm=ChatOpenAI())
await agent.run()

browser-use 是一个完整的 Agent 框架。你给它一个任务，它自己规划、自己操作浏览器、自己完成。你不需要告诉它"先打开这个 URL，再点这个按钮"——它自己会想。

背后是 Playwright 驱动 Chromium，LLM 看到页面截图后决定下一步操作。

browser-harness — Agent 的工具

browser-harness <<'PY'
new_tab("https://example.com")
capture_screenshot()
click_at_xy(420, 310)
PY

browser-harness 是一个给 Agent 用的浏览器工具。它自己不带 LLM，不能自主决策。它被设计成 Claude Code、Codex 这类编码 Agent 的"双手"——Agent 做大脑，browser-harness 做执行。

核心只有 ~1000 行代码，直接通过 CDP（Chrome DevTools Protocol）连接你正在运行的 Chrome。

agent-browser — Agent 的 CLI

agent-browser open example.com
agent-browser snapshot
agent-browser click @e2
agent-browser screenshot page.png

agent-browser 是一个给 Agent 用的 CLI 工具。和 browser-harness 类似，它也不带 Agent 循环，但功能要全面得多——100+ 命令、Rust 原生、7MB 安装包。

MERMAID_BLOCK_0

架构对比：谁的设计更聪明

browser-use

用户任务 → Agent Loop → LLM (看截图+DOM) → 输出动作 → Playwright 执行 → 循环

• 浏览器引擎：Playwright + Chromium
• 元素识别：DOM 索引（给每个可交互元素编号）
• Agent 循环：内置（Agent.run()）
• 语言：Python（97.9%）

browser-harness

Chrome ← CDP WebSocket → Daemon ← IPC → CLI

• 浏览器引擎：你的真实 Chrome（通过 CDP 直连）
• 元素识别：像素坐标（截图 → 看像素 → 点击坐标）
• Agent 循环：无（依赖外部 Agent）
• 语言：Python，~1000 行
• 亮点：Agent 可以修改自己的 helper 代码（自我进化）

agent-browser

Chrome ← CDP → Rust Daemon ← CLI / MCP

• 浏览器引擎：Chrome CDP + Lightpanda + Safari WebDriver
• 元素识别：Accessibility Tree + @eN 引用（最稳定的方式）
• Agent 循环：无（CLI 工具），但内置 AI Chat 模式
• 语言：Rust（v0.20 完全重写）
• 亮点：无障碍树快照，确定性元素引用

架构对比表

性能对比：资源占用和速度

安装体积

运行时内存

冷启动

agent-browser 在性能上碾压式领先。Rust 原生 + 无 Node.js 依赖 + 8MB 内存，如果你在资源受限的环境（CI、Docker、Serverless）里跑，这是唯一合理的选择。

browser-harness 也很轻量，而且它连接的是你已经在跑的 Chrome，不需要额外启动浏览器进程。

browser-use 最重——它需要 Playwright 和独立的 Chromium 进程。但换来的是完整的自包含体验。

功能对比：谁做的事最多

核心浏览器操作

高级功能

browser-use 功能最少但最聚焦——它只做 Agent 自主浏览这一件事，做好了。

agent-browser 功能最全，几乎覆盖了浏览器自动化的所有需求。网络拦截、HAR 录制、React DevTools、无障碍树这些是其他两个完全没有的。

browser-harness 的独特价值在两个地方：自我修复代码（Agent 运行时修改自己的 helper）和 100+ 领域技能（预置的各网站操作指南）。

LLM 支持对比

browser-use 的 LLM 支持最全面，15+ 原生集成。它还有自己的专有模型 ChatBrowserUse，号称比通用模型快 3-5 倍。

browser-harness 和 agent-browser 都是"不带大脑"的工具，LLM 由外部的编码 Agent（Claude Code、Codex 等）提供。

安全和反检测

agent-browser 在安全方面最成熟——域名白名单限制 Agent 只能访问特定站点，操作策略控制允许的行为，AES-256 加密保护 session 数据。如果你的 Agent 处理敏感操作（支付、银行），这些是必须的。

browser-use 和 browser-harness 的安全能力主要靠 Cloud 版本，开源版基本没有安全控制。

部署和可扩展性

上手难度

browser-use — 最简单

# 3 行代码搞定
agent = Agent(task="在 Google 上搜索 AI", llm=ChatOpenAI())
await agent.run()

装好就能跑，不需要懂浏览器操作。Python 开发者零门槛。

browser-harness — 中等

需要先让 Chrome 开启远程调试，然后通过 heredoc 写 Python 代码片段。主要面向已经用 Claude Code / Codex 的用户。

browser-harness <<'PY'
new_tab("https://example.com")
capture_screenshot()
PY

agent-browser — 命令最多但直觉

agent-browser open example.com
agent-browser snapshot   # 看到无障碍树
agent-browser click @e2  # 点第二个元素

命令行操作，学习曲线在记住命令。但 @eN 引用方式非常直觉——看到数字就点。

实际使用体验

browser-use 的体验

给它一个任务，它会自己拆解、自己操作、自己处理错误。你只需要等结果。最大的问题是速度慢——每一步都要截屏、发给 LLM、等 LLM 决策、执行、再截屏。一个简单的"搜索并截图"可能要 30 秒以上。

另一个问题是长任务容易失败。如果页面结构复杂或者需要多步操作，Agent 可能在中间迷失方向。自有的 ChatBrowserUse 模型在速度上有改善，但准确率还有差距。

browser-harness 的体验

用 Claude Code + browser-harness 的体验很独特。你在 Claude Code 里说"帮我看看 GitHub trending"，Claude Code 会自己写 browser-harness 代码来操作浏览器。如果代码有 bug，Claude Code 会自己修——这就是"自我修复"的含义。

坐标点击是个双刃剑：能穿透 iframe 和 shadow DOM，但对布局变化敏感。页面稍微改一下，坐标就变了。

agent-browser 的体验

最像"人用浏览器"的体验。snapshot 给你无障碍树，@eN 引用非常稳定——不管页面布局怎么变，元素的角色和文本不会变。

100+ 命令意味着几乎不需要写 JavaScript。但命令太多也意味着学习成本高。好在 doctor 命令能一键检查环境，upgrade 一键升级。

选型结论

你应该选 browser-use 如果你：

• 需要开箱即用的自主浏览 Agent
• 只想写 Python，不想碰 CLI
• 任务相对简单（搜索、填表、截图）
• 不介意速度慢一些
• 想用自有的 ChatBrowserUse 模型

你应该选 browser-harness 如果你：

• 已经在用 Claude Code 或 Codex
• 需要连接你自己的 Chrome（保持登录状态）
• 想要最轻量的方案（~1000 行代码）
• 需要特定网站的预置技能（100+ 领域技能）
• 喜欢"Agent 自己改代码"的理念

你应该选 agent-browser 如果你：

• 在资源受限环境运行（CI、Docker、Serverless）
• 需要最稳定的元素定位（无障碍树）
• 需要安全控制（域名白名单、加密、操作策略）
• 需要高级功能（网络拦截、React DevTools、HAR 录制）
• 想要最快的启动和运行速度（Rust 原生）
• 需要 Windows 或 iOS/Safari 支持
• 做严肃的生产级浏览器自动化

我的推荐

如果只能选一个：agent-browser。它功能最全、性能最好、安全最成熟。唯一的代价是学习曲线稍高，但换来的是生产级的可靠性。

如果你是 Claude Code 重度用户并且只是日常使用：browser-harness。连接你自己的 Chrome，所有登录状态都在，100+ 领域技能开箱即用，极简设计让 Claude Code 能完全掌控。

如果你想最快跑起来看效果：browser-use。3 行代码，给它一个任务，它自己搞定。

作者: itech001
来源: 公众号：AI人工智能时代
主页: https://www.theaiera.cn，每日分享最前沿的AI新闻和技术。

本文首发于 AI人工智能时代，转载请注明出处。