让 Agent 自己写 JavaScript 控 Chrome：browser-use-pi 上手

Gregor Zunic 在 X 上给做个人 agent 的人提了个组合：browser use pi 加 browser use cloud browser。按他的说法，想把浏览器交互做到 SOTA，可以用这套。项目在 GitHub 上叫 browser-use-pi，基于 Pi Mono，用 TypeScript 写。

浏览器 agent 常见的做法是给模型一组固定动作，点按钮、填表单、读页面。页面一复杂，工具就不够用，得不断补工具。Browser Use Pi 换了条路。它把浏览器操作放进一个持久 V8 REPL，Agent 直接写 JavaScript 控制 Chrome，需要什么 helper 就现场写一个。架构大致是：任务进 Pi Mono，再到持久 V8 REPL，然后走 raw CDP 控制 Chrome；页面状态通过 accessibility tree 和截图回传。CDP 是 Chrome DevTools Protocol，可以理解为直接控制浏览器的底层接口。

这个设计把“调用工具”推到“生成工具”。好处很具体：复杂页面可以写代码绕过去，重复操作可以沉淀成函数，登录态和会话可以保留。项目文档里列了 sessions、saved logins、streaming、typed results，一个 SDK 放进应用。做个人 agent 时，登录态和连续会话往往比多一个点击工具更关键。

安装不复杂：

npm install @browser_use/pi
# 或 pnpm add @browser_use/pi
# 或 bun add @browser_use/pi
export OPENROUTER_API_KEY=...
export BROWSER_USE_API_KEY=...

一个最小示例：

import { Browser, BrowserUse } from '@browser_use/pi';

const agent = await BrowserUse.create({
  model: 'openrouter/openai/gpt-5.6-luna',
  reasoning: 'xhigh',
  browser: Browser.cloud({ apiKey: process.env.BROWSER_USE_API_KEY! }),
  workspace: './work',
});

try {
  const result = await agent.run('Find the top story on Hacker News.');
  console.log(result.status, result.text);
  await agent.followUp('Summarize the comments.');
} finally {
  await agent.close();
}

存成 agent.ts，用 node agent.ts 或 bun agent.ts 跑。它走 Browser Use Cloud，本地不用装 Chrome。环境要求是 Node 22.19+ 或 Bun 1.3.14+；Bun 还需要 Node 来跑 V8 worker。

能力上，几个点值得看。mode: 'ultrafast' 会打印紧凑的 accessibility tree 状态，按 id 操作，每个动作后只短暂等待，适合交互密集的任务。streaming、hooks、typed results、compaction 这些控制项也在，可以限制步骤、时间或成本，并保留部分工作。调试时能开交互高亮、录制和 GIF 导出。这些对开发者比宣传词有用。

安全别略过。JavaScript 跑在可 kill 的 worker 里，但有文件系统和网络访问。处理不可信任务要用隔离机器。匿名运行计数默认开启，可以用 telemetry: false 或 DO_NOT_TRACK=1 关掉。

评论区 Artale 回了一句 finally why this long，嫌它来得晚。这个反应挺真实：等浏览器 agent 能自己写代码的人，不少。Browser Use Pi 把 REPL、CDP、会话和云浏览器拼到一起，方向清楚。它适合谁？做个人 agent、又不想被固定浏览器工具卡住的人，可以先看文档和示例。别把它当万能加速开关，ultrafast 有场景，代码执行也有边界。

项目：https://github.com/browser-use/browser-use-pi
原推：https://x.com/gregpr07/status/2115897584216883340