企业官网建设流程全解析

1. 先搞清楚 browser-use 三种启动方式到底差在哪

browser-use 是一个把大语言模型和真实浏览器连起来的开源框架，你给它一句自然语言任务，它自己规划步骤、打开网页、点击按钮、填表单、抓内容。它最容易被忽略的一点是：同一个命令browseruse，背后其实有三条完全不同的启动路径，分别对应三种使用姿势。选错了路径，你会觉得它「怎么没反应」或者「怎么一直不退出」。

三条路径分别是：CLI 的 Prompt 模式（--prompt，跑完一个任务就退出，适合脚本和批处理）、Textual 交互界面模式（不带参数直接启动，终端里出现多面板 TUI，适合边看边调）、MCP 服务器模式（--mcp，通过 stdin/stdout 提供 JSON-RPC 接口，给 Claude Desktop 这类支持 MCP 协议的客户端调用）。它们共用同一套配置加载逻辑，但浏览器是否可见、任务结束后是否退出、输出给谁看，差别很大。

这篇面向的是想在本地快速跑通浏览器自动化 Agent 的开发者。我会把三种方式的启动命令、config.toml与settings.json骨架、以及统一走 TaoToken 的 Key/API 通道的接入位置都写清楚，每一步都给出可复制的配置和验证动作，确保三条路径都能正常拉起任务。适合已经装好 Python 环境、想少走弯路的人。

2. 前置准备：环境、依赖与 TaoToken 统一通道

2.1 安装与环境确认

先确认 Python 版本，browser-use 对 3.11 及以上支持较好：

python --version pip install "browser-use[cli]" playwright playwright install chromium

playwright install chromium这步别省，browser-use 底层靠 Playwright 驱动浏览器，缺了它启动时会直接报找不到可执行文件。装完可以用browseruse --help看子命令是否正常输出。

2.2 为什么把模型通道统一到 TaoToken

browser-use 的每一步规划都要调用大模型，默认走 OpenAI 的地址。如果你手上有多个模型来源，逐个改环境变量很烦。TaoToken 提供统一的 Key 和 API 通道，把 base_url 指向https://taotoken.net/api，模型名按需切换即可，browser-use 侧只认一个 OpenAI 兼容入口。

在 TaoToken 控制台创建 Key 的入口在这里：

控制台：https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite API Keys 管理：https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite

拿到 Key 后，先写进环境变量，三种启动方式都会读它：

export OPENAI_API_KEY="sk-你的TaoToken密钥" export OPENAI_BASE_URL="https://taotoken.net/api"

注意OPENAI_BASE_URL结尾不要带/v1，browser-use 内部会自己拼路径，多写一层会 404。这一步是后面所有验证的基础，先确认echo $OPENAI_BASE_URL输出正确再往下走。

3. 可复制配置：config.toml 与 settings.json 骨架

3.1 config.toml 骨架

browser-use 会从项目目录或用户配置目录读取config.toml。下面这份骨架把模型通道、浏览器行为、Agent 参数都列出来了，按需删改：

[llm] model = "gpt-4o-mini" base_url = "https://taotoken.net/api" api_key = "sk-你的TaoToken密钥" temperature = 0.0 [browser] headless = false disable_security = false window_width = 1280 window_height = 800 [agent] max_steps = 25 use_vision = true save_conversation_path = "./logs"

temperature = 0.0是为了让 Agent 的规划更稳定，浏览器自动化任务里随机性越小越好复现。use_vision = true表示把截图也喂给模型，页面结构复杂时命中率更高，代价是 token 消耗上升。max_steps是安全阀，防止 Agent 在某个页面反复横跳停不下来。

3.2 settings.json 骨架（MCP 客户端侧）

如果你要接 Claude Desktop 这类 MCP 客户端，配置写在客户端的settings.json里。以 Claude Desktop 为例，找到它的配置文件位置，加入：

{ "mcpServers": { "browser-use": { "command": "browseruse", "args": ["--mcp"], "env": { "OPENAI_API_KEY": "sk-你的TaoToken密钥", "OPENAI_BASE_URL": "https://taotoken.net/api" } } } }

关键点是env里显式传入 Key 和 base_url。MCP 客户端启动子进程时不一定继承你 shell 里的环境变量，写在这里最稳。command用browseruse要求它在 PATH 里；如果不在，换成绝对路径，比如/usr/local/bin/browseruse。

3.3 三种方式的配置读取差异

命令行参数优先级高于 config.toml，所以临时调试时可以直接在命令里覆盖，不用改文件。

4. 三种启动方式逐步验证

4.1 Prompt 模式：跑完即退，适合脚本

这是最像「命令行工具」的一条路径。执行：

browseruse --prompt "打开 example.com，把页面主标题抓下来打印"

预期行为：终端打印 Agent 的思考过程和动作，浏览器以无头模式跑，任务完成后进程自动退出，最后输出结果文本。如果你看到它开始输出Action: goto、Action: extract_content这类步骤，说明模型通道已经通了。

想让它带界面跑，方便观察，加参数覆盖：

browseruse --prompt "搜索 browser-use 的 GitHub 仓库并返回 star 数" --headless false

这条路径适合塞进 CI 或 shell 脚本，退出码非 0 就代表任务失败，方便做流水线判断。

4.2 Textual 模式：交互式 TUI，边看边调

不带--mcp也不带--prompt，直接：

browseruse

终端会切进一个多面板界面：主输出区显示 Agent 的思考和结果，事件日志区滚动浏览器动作，CDP 消息区能看到底层协议交互。底部有输入框，敲任务回车即可。这个模式默认浏览器可见，你能亲眼看到它点哪、填哪，调试复杂流程时非常直观。

我试过在 TUI 里连续跑多个任务，命令历史用上下方向键调，不用反复敲长 prompt。如果界面没起来而是报错，多半是终端不支持或 Textual 依赖没装全，重装browser-use[cli]通常能解决。

4.3 MCP 模式：给 AI 客户端提供浏览器能力

先单独验证 MCP 服务器能不能起来：

browseruse --mcp

正常的话进程会挂住等待 stdin 输入，不打印多余内容，这是对的——它在等 JSON-RPC 消息。按 Ctrl+C 退出。然后按 3.2 的settings.json配好客户端，重启客户端，在对话里让它调用 browser-use 工具，比如「用 browser-use 打开某页面并总结内容」。客户端会拉起子进程，通过 stdio 收发消息。

MCP 模式的价值在于：你不需要自己写调度代码，AI 客户端负责决定什么时候调浏览器、传什么参数。browser-use 只负责执行和回传结果。

4.4 三种方式验证结果对照

5. 本篇常见错排查

5.1 鉴权失败：401 或 invalid api key

先确认OPENAI_BASE_URL没有多余斜杠或/v1，再确认 Key 没有前后空格。MCP 模式下重点查settings.json的env段，客户端不继承 shell 变量是高频坑。可以临时在命令前加env | grep OPENAI确认变量真的存在。

5.2 浏览器起不来：Executable doesn't exist

这是 Playwright 浏览器没装。跑playwright install chromium即可。如果公司网络对下载有限制，检查是否能访问 Playwright 的下载源，或改用系统已装的 Chrome，在 config.toml 里指定executable_path。

5.3 MCP 客户端里看不到 browser-use 工具

三个检查点：command是否在 PATH（用绝对路径最保险）、args是否是["--mcp"]、客户端是否重启过。改完settings.json必须重启客户端，热加载不生效。另外看客户端自己的日志，子进程启动失败通常会在那里留痕。

5.4 Textual 界面乱码或按键无响应

终端编码设成 UTF-8，export LANG=en_US.UTF-8或对应中文 locale。某些终端模拟器对 Textual 的鼠标事件支持不好，换系统自带终端试试。如果只是显示错位，调整窗口大小通常能重排。

5.5 任务跑飞：max_steps 用尽还没结束

把max_steps调大是一方面，更该做的是把 prompt 写具体。比如「打开某站，点登录，输入账号密码，提交」比「帮我登录」稳得多。use_vision = true也能帮模型看清页面，减少误点。

6. 把三种方式用在对的地方

三条路径不是互斥的，而是覆盖不同阶段。开发调试阶段用 Textual 模式，肉眼盯着 Agent 的每一步，改 prompt、调参数最快；任务稳定后固化成 Prompt 模式，丢进脚本或 CI 定时跑；需要让 AI 助手具备浏览器能力时，用 MCP 模式挂到客户端上，把调度权交给模型。

统一走 TaoToken 的通道后，三种方式共用一份 Key 和 base_url，切换时不用改代码，只改启动参数。模型对话想先验证通道是否通，可以直接在网页端试：

模型对话：https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=chat&utm_campaign=rewrite

如果你打算长期跑编码类或 Agent 类任务，频繁调用模型，可以看下 Coding Plan 的额度方案：

Coding Plan：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite

接入细节和参数说明以官方文档为准：

接入文档：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite

最后给一个实用习惯：把config.toml里的save_conversation_path打开，每次任务的完整对话会落盘。任务跑飞时翻日志，比盯着终端回滚快得多，也能直接看出是哪一步的 prompt 让模型理解偏了。