browser-use vs browser-harness vs agent-browser：AI Agent 浏览器自动化工具终极选型指南
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
- 三者定位完全不同
- 架构对比：谁的设计更聪明
- 性能对比：资源占用和速度
- 功能对比：谁做的事最多
- LLM 支持对比
- 安全和反检测
- 部署和可扩展性
- 上手难度
- 实际使用体验
- 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
| 维度 | browser-use | browser-harness | agent-browser |
|---|---|---|---|
| 浏览器引擎 | Playwright | 真实 Chrome (CDP) | Chrome CDP / Rust |
| 元素定位 | DOM 索引 | 像素坐标 | 无障碍树 @eN |
| Agent 循环 | ✅ 内置 | ❌ 无 | ❌ 无（有 AI Chat） |
| 代码量 | 大（完整框架） | ~1000 行 | 中等（100+ 命令） |
| 语言 | Python | Python | Rust |
| 浏览器依赖 | 自带 Chromium | 用你的 Chrome | 自带 + 可连已有 |
性能对比：资源占用和速度
安装体积
| 工具 | 安装大小 | 依赖 |
|---|---|---|
| browser-use | ~200MB+ | Python + Playwright + Chromium |
| browser-harness | ~10MB | Python + websockets |
| agent-browser | 7MB | 无（纯 Rust 二进制） |
运行时内存
| 工具 | Daemon 内存 | 说明 |
|---|---|---|
| browser-use | ~200MB+ | Playwright + Chromium 进程 |
| browser-harness | ~30MB | 只是一个 CDP 桥 |
| agent-browser | 8MB | Rust daemon 极致省内存 |
冷启动
| 工具 | 冷启动时间 |
|---|---|
| browser-use | ~3-5s（启动 Playwright） |
| browser-harness | ~1s（连接已有 Chrome） |
| agent-browser | 617ms |
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
| 功能 | browser-use | browser-harness | agent-browser |
|---|---|---|---|
| 点击 | ✅ | ✅ | ✅ |
| 输入文本 | ✅ | ✅ | ✅ |
| 导航 | ✅ | ✅ | ✅ |
| 截图 | ✅ | ✅ | ✅ |
| 滚动 | ✅ | ✅ | ✅ |
| 拖拽 | ✅ | ✅ | ✅ |
| 文件上传 | ✅ | ✅ | ✅ |
| 下拉选择 | ✅ | ✅ | ✅ |
| 键盘按键 | ✅ | ✅ | ✅ |
| 多标签页 | ✅ | ✅ | ✅ |
| Cookie 管理 | ✅ | ✅ | ✅ |
| iframe 穿透 | 部分 | ✅（坐标点击） | ✅ |
高级功能
| 功能 | browser-use | browser-harness | agent-browser |
|---|---|---|---|
| 自主 Agent 循环 | ✅ | ❌ | AI Chat 模式 |
| 自定义工具 | ✅ @tools.action |
❌ | Skills 系统 |
| 模板/脚手架 | ✅ | ❌ | ❌ |
| 网络拦截 | ❌ | ❌ | ✅ |
| HAR 录制 | ❌ | ❌ | ✅ |
| 快照 Diff | ❌ | ❌ | ✅ |
| 像素 Diff | ❌ | ❌ | ✅ |
| React DevTools | ❌ | ❌ | ✅ |
| Web Vitals | ❌ | ❌ | ✅ |
| 无障碍树快照 | ❌ | ❌ | ✅ |
| 批量执行 | ❌ | ❌ | ✅ batch |
| 自我修复代码 | ❌ | ✅ | ❌ |
| 领域技能库 | ❌ | ✅ 100+ 站点 | ❌ |
| Bulk HTTP Fetch | ❌ | ✅ | ❌ |
| 隐式等待 | ✅ 内置 | wait_for_network_idle |
✅ 内置 |
| MCP Server | ✅ | ❌ | ✅ |
| 可观测性 Dashboard | ❌ | ❌ | ✅ |
| 加密状态存储 | ❌ | ❌ | ✅ AES-256 |
| iOS/Safari | ❌ | ❌ | ✅ WebDriver |
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
| 维度 | browser-use | browser-harness | agent-browser |
|---|---|---|---|
| 内置 LLM | ✅ 15+ 提供商 | ❌ 无 | Vercel AI Gateway |
| 自有模型 | ✅ ChatBrowserUse | ❌ | ❌ |
| Claude 集成 | 原生 | Skill 文件 | Skill 文件 |
| Codex 集成 | 原生 | Skill 文件 | Skill 文件 |
| OpenAI | 原生 | — | AI Gateway |
| 本地模型 | ✅ Ollama | — | — |
| 多模型切换 | ✅ | — | ✅ --model |
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
| 能力 | browser-use | browser-harness | agent-browser |
|---|---|---|---|
| 反指纹检测 | Cloud 版 | Cloud 版 | 多浏览器引擎 |
| 验证码解决 | Cloud 版 | Cloud 版 | 第三方集成 |
| 代理轮换 | Cloud 版 | Cloud 版 | 多 Cloud 提供商 |
| 域名白名单 | ❌ | ❌ | ✅ |
| 操作策略 | ❌ | ❌ | ✅ |
| 状态加密 | ❌ | ❌ | ✅ AES-256 |
| 操作确认 | ❌ | ❌ | ✅ |
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
| 维度 | browser-use | browser-harness | agent-browser |
|---|---|---|---|
| Docker 支持 | ✅ | ❌ | ✅ |
| Cloud 浏览器 | ✅ 自有 | ✅ Browser Use Cloud | 5+ 提供商 |
| 多实例并行 | 需要管理内存 | start_remote_daemon() |
--session 隔离 |
| API 服务化 | 需要自己搭 | ❌ | MCP Server |
| 平台支持 | 全平台 | macOS/Linux 优先 | macOS/Linux/Windows |
| CI/CD 集成 | 中等 | 简单 | 最好（headless + batch） |
| 跨平台 | ✅ | Chrome 144+ | ✅ 含 Windows |
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
| 场景 | 推荐 |
|---|---|
| 快速原型 / Demo | browser-use |
| 日常个人使用（Claude Code 用户） | browser-harness |
| 生产环境 / 企业级 | agent-browser |
| CI/CD 自动化 | agent-browser |
| 资源受限环境 | agent-browser |
| 需要自主 Agent | browser-use |
| 需要安全控制 | agent-browser |
| 需要最高 stars | browser-use（94k） |
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。
浙公网安备 33010602011771号