Anthropic的新浏览器工具并不真正运行浏览器
内容提要
Anthropic推出Browser Use工具，使Claude能通过网页可访问性树直接定位元素，替代坐标点击，提升浏览器操作效率。该工具支持批量操作，减少模型调用，降低延迟和成本，但需开发者适配执行，并注意安全隔离。
延伸解读
从坐标到语义：浏览器操作的新范式
传统浏览器自动化依赖屏幕坐标定位元素，而Anthropic的Browser Use工具通过可访问性树直接引用元素（如ref_3），避免了从像素推断位置的误差。这种语义化操作更接近人类理解页面的方式，但依赖页面结构的稳定性。若页面动态变化，引用可能失效，需要执行器检测并重新读取页面，这要求开发者设计健壮的容错机制。
批量操作：降低延迟与成本的关键
Browser Use支持在一次模型调用中批量发送多个操作，减少模型往返次数，从而降低延迟和token消耗。这对长任务尤其重要，因为每次模型调用都会增加成本。但批量操作必须按顺序执行，因为后续操作依赖前一步的页面状态。若某步失败，后续操作可能基于错误状态，执行器需处理这种依赖关系，确保任务正确性。
安全隔离：应对提示注入与权限风险
浏览器会话运行在开发者环境中，Claude可能遭遇网页内容中的提示注入或被重定向到意外位置。Anthropic建议在隔离容器或虚拟机中运行浏览器，并禁用JavaScript和文件上传，因为Claude生成的代码以页面权限运行，可能访问页面数据或发起请求。批量操作使审批流程更复杂，执行器需在操作序列中适时暂停请求用户许可。
生态对比：与Playwright和Puppeteer的异同
Browser Use与Playwright MCP和Puppeteer在概念上相似，都利用可访问性快照定位元素，但协议不兼容。Playwright MCP使用MCP协议，而Anthropic使用自有客户端工具集协议，需适配器转换。Puppeteer提供底层API，开发者需自行维护引用映射。此外，存在同名开源项目，但无关联，集成仍需额外工作。
Q&A
Anthropic的Browser Use工具是如何让Claude定位网页元素的？
Browser Use工具利用网页的可访问性树（accessibility tree）为元素提供引用（如ref_3），Claude通过引用直接操作元素，而不是通过坐标点击。
Browser Use与Computer Use有什么区别？
Computer Use通过截图和鼠标坐标操作整个桌面，而Browser Use在浏览器内部利用页面结构（可访问性树）来定位元素，更精确且高效。
Browser Use如何降低延迟和成本？
通过批量操作，Claude可以在一次模型调用中请求多个动作，减少模型往返次数，从而降低延迟和成本。
使用Browser Use时，开发者需要承担哪些执行责任？
开发者需要在自己的浏览器环境中执行Claude的请求，维护会话，处理引用失效（如页面变化时），并确保安全隔离（如使用容器或虚拟机）。
Browser Use与Playwright MCP有何异同？
两者都使用可访问性快照和引用定位元素，但协议不同：Playwright MCP使用MCP协议，而Anthropic使用自己的客户端工具集协议，因此需要适配器转换。
Browser Use的默认工具集会增加多少输入token？
默认工具集大约增加6600个输入token，不包括截图、可访问性树等结果。开发者可以关闭不需要的操作来减少开销。
Browser Use在安全方面有哪些建议？
建议在隔离的容器或虚拟机中运行浏览器，禁用JavaScript和文件上传，因为Claude生成的代码以页面权限运行，可能访问数据或发起请求。
