Browser Use: Автоматизуємо Браузер без OpenAI Operator

Браузерний Автопілот: Відкриваємо Альтернативу OpenAI Operator

Привіт, ґіки! Шукаєте спосіб автоматизувати свої онлайн завдання, але нова фіча від OpenAI, Operator, не зовсім вам підходить? Не хвилюйтеся, я, Кейсі Байт, тут, щоб поділитися з вами крутою альтернативою – Browser Use. Це open-source інструмент, який дозволяє LLM (великій мовній моделі) керувати вашим браузером та виконувати завдання за вашими інструкціями. Звучить захопливо, чи не так? Тож, поїхали розбиратися!

Що таке Browser Use і чому це круто?

Browser Use дає вам можливість задати конкретні інструкції, і він крок за кроком виконуватиме їх у вашому браузері. Уявіть: пошук інформації, заповнення форм, навігація по сайтах – все це може робити ваш особистий браузерний автопілот. І, на відміну від Operator, тут ви можете використовувати власні LLM, такі як OpenAI або DeepSeek.

Основні переваги Browser Use:

• Open-source: Безкоштовний та з відкритим кодом, що дає вам повний контроль.
• Гнучкість: Можливість використовувати різні LLM (OpenAI, DeepSeek, локальні моделі).
• Автоматизація: Виконує задані завдання в браузері за вашими інструкціями.
• Веб-інтерфейс: Зручний UI для налаштування та запуску завдань.
• Трасування: Збереження логів виконаних дій для аналізу та налагодження.

Встановлення Browser Use – Простіше не буває

Перш ніж зануритися в автоматизацію, потрібно встановити Browser Use. Не лякайтеся, це простіше, ніж здається.

1. Встановлення UV:

UV – це менеджер віртуального середовища, який нам знадобиться.

• Перейдіть на сайт UV та знайдіть інструкції для вашої операційної системи.
• Для Mac OS або Linux використовуйте відповідні команди з сайту.
• Для Windows відкрийте PowerShell та виконайте команду, вказану на сайті.

2. Налаштування Віртуального Середовища:

Відкрийте ваш улюблений IDE (наприклад, VS Code або Cursor).

• Перейдіть до каталогу вашого проекту.
• Скопіюйте команду для створення віртуального середовища з документації Browser Use.
• Активуйте віртуальне середовище: .\.venv\Scripts\Activate (для PowerShell).

3. Встановлення Залежностей:

• Встановіть всі необхідні залежності за допомогою команди pip install -r requirements.txt (замініть requirements.txt на назву файлу з залежностями, якщо потрібно).

4. Встановлення Playwright:

Playwright – це інструмент для автоматизації браузера.

• Виконайте команду playwright install.

Не потрібно додавати жодні змінні середовища на цьому етапі.

5. Запуск Browser Use:

• Скопіюйте команду запуску з документації Browser Use та вставте її в термінал.
• Зачекайте, поки все встановиться і запуститься.

Підключаємо OpenAI API Ключ

Щоб використовувати OpenAI LLM, вам знадобиться API ключ.

1. Отримуємо API Ключ:

• Зайдіть на OpenAI dashboard.
• Створіть новий секретний ключ (не забудьте його видалити після використання!).
• Збережіть ключ у безпечному місці.

2. Додаємо Ключ в Browser Use:

• Відкрийте веб-інтерфейс Browser Use у вашому браузері.
• Вставте ваш OpenAI API ключ у відповідне поле.

Перші Тести: OpenAI GPT-3.5 Turbo

Давайте протестуємо Browser Use з GPT-3.5 Turbo.

• Переконайтеся, що вимкнено опцію “Use Vision”, оскільки ми не будемо використовувати зображення.
• Залиште увімкненим запис браузера, щоб потім порівняти швидкості різних LLM.
• Введіть промпт (запит) у відповідне поле (можете почати з стандартного, запропонованого в Browser Use).
• Натисніть “Run Agent”.

Browser Use відкриє вікно браузера і почне виконувати інструкції. В моєму випадку, браузер чомусь відкрився португальською мовою, але агент все одно шукав “OpenAI”.

Результати GPT-3.5 Turbo:

• Час виконання: 41 секунда.
• Знайшов URL: openai.com.

Простеньке завдання, але все працює!

DeepSeek: Local vs. API (На жаль, з API проблеми)

На жаль, deepseek.com зараз не працює, тому протестуємо локальну модель DeepSeek R1.

Увага! Локальні моделі DeepSeek – це не те саме, що їх API. Вони значно слабші, тому не очікуйте такої ж продуктивності.

1. Налаштування Локальної Моделі DeepSeek:

• Переконайтеся, що у вас встановлено Llama Cpp.
• У мене встановлено DeepSeek R1 14b. 32b може завантажуватися вічно, а 14b – досить повільна.

2. Запуск з Локальною Моделлю DeepSeek:

• Оберіть DeepSeek R1 у випадаючому списку моделей.
• Залиште увімкненим запис браузера.
• Натисніть “Run Agent”.

Результати DeepSeek R1 (14b):

• Виконав завдання (принаймні, так здається).
• Відповів з точним URL.
• Згенерував короткий опис.
• Отримали повний лог виконаних дій (модель, дія, вивід).

Важливо: Навіть з хорошою відеокартою, використання локальних моделей може бути дуже повільним.

Llama 2 7b: Не вдалося

Спроба використання Llama 2 7b виявилася невдалою. Модель просто повторювала одне й те саме повідомлення і не виконувала жодних дій в браузері. Мабуть, занадто маленька модель не може зрозуміти інструкції.

OpenAI GPT-4: Швидко та Ефективно

GPT-4 показав себе найкраще!

• Дуже швидко зрозумів, що від нього вимагається.
• Швидко переклав текст (мій браузер все ще був португальською).
• Час виконання: Приблизно такий самий, як у GPT-3.5 Turbo.

Висновок: GPT-4 – найшвидша та найефективніша модель для Browser Use.

Залізо: Моя Конфігурація

Щоб ви мали уявлення про продуктивність, моя система:

• GPU: Nvidia GeForce RTX 4060.

Якщо у вас краща відеокарта, локальна DeepSeek має працювати краще.

Підсумки та Висновки

Browser Use – це крутий інструмент, який може значно спростити вашу роботу в браузері. Він дає вам можливість автоматизувати рутинні завдання та використовувати різні LLM для керування процесом.

Загальні висновки:

• GPT-4 – найкращий вибір для швидкості та ефективності.
• GPT-3.5 Turbo – хороший варіант, якщо вам не потрібна максимальна продуктивність.
• Локальні моделі DeepSeek можуть бути повільними, але вони працюють.
• Маленькі моделі, такі як Llama 2 7b, можуть не впоратися із завданням.

Що далі?

• Спробуйте використовувати Browser Use з API DeepSeek (якщо він запрацює).
• Експериментуйте з різними промптами та завданнями.
• Діліться своїм досвідом в коментарях!

Сподіваюся, ця стаття була корисною для вас. До зустрічі в наступному відео!