Browser Use Agent 深度解析：从技术原理到 Harness Engineering 的范式革命

从脚本自动化到智能体驱动: 多年来，开发者使用 Selenium、Puppeteer、Playwright 等工具自动化浏览器操作。这些工具功能强大，但本质上是"脆性"的——我们编写依赖特定 CSS 选择器、XPath 或元素 ID 的脚本，一旦网站 UI 发生变化，脚本就会崩溃，维护成本极高。 2024 年末至 2025 年初，一种全新的范式开始崛起：让大语言模型（LLM）直接"看懂"并"操控"浏览器。Browser Use 正是这一浪潮中最具代表性的开源项目之一。它由 Magnus Müller 和 Gregor Žunić 创建，是一个基于 Python 的开源库，通过将 LLM 的推理能力与 Playwright 的浏览器控制能力相结合，让 AI Agent 能够像人类一样浏览网页、点击按钮、填写表单、提取数据。 与此同时，2025 年下半年，OpenAI 在其内部 Codex 项目中提出了一个影响深远的工程理念——Harness Engineering（驾驭工程）。这一理念的核心观点是：在 AI Agent 时代，工程师的核心工作不再是编写代码，而是设计环境、明确意图、构建反馈回路，使 Agent 能够可靠地工作。 本文将深入剖析 Browser Use Agent 的技术架构、核心原理和实现细节，并结合 Harness Engineering 的最新理念，探讨如何在生产环境中构建可靠的浏览器自动化智能体系统。