Trong kỷ nguyên số hóa, các công cụ AI Agent có khả năng điều khiển trình duyệt web và thực hiện các tác vụ phức tạp tự động đang dần trở thành hiện thực, không còn chỉ là ý tưởng. ChatGPT Operator là một ví dụ điển hình cho sự mạnh mẽ của công nghệ này, nhưng đi kèm với một mức giá không hề nhỏ. Thay vì bỏ ra một khoản chi phí lớn, chúng tôi đã tìm kiếm một giải pháp thay thế miễn phí hoặc tiết kiệm hơn – và đã tìm thấy một lựa chọn hoạt động hiệu quả đến bất ngờ.
Browser Use: Lựa Chọn Mã Nguồn Mở Tối Ưu Cho Tự Động Hóa Web
ChatGPT Operator có thể kiểm soát trình duyệt web, tự động thực hiện các hành động như nhấp chuột hay cuộn trang. Người dùng chỉ cần ra lệnh cho ChatGPT về những gì cần thực hiện, chẳng hạn như đặt vé máy bay hoặc nhập văn bản vào Google Docs, và nó sẽ tự động hoàn thành. Tuy nhiên, để sử dụng tính năng này, bạn phải trả một khoản phí khá cao, khoảng 200 USD mỗi tháng cho gói ChatGPT Pro. Đối với nhiều người, đây là một chi phí đáng cân nhắc, và đó là lý do chúng tôi tìm kiếm một lựa chọn khác, và Browser Use đã xuất hiện.
Browser Use là một AI Agent mã nguồn mở, hoạt động tương tự như ChatGPT Operator. Nó có khả năng tương tác với trình duyệt web, điều hướng qua các trang web và thực hiện các tác vụ được chỉ định. Điều đáng chú ý là chi phí sử dụng Browser Use chỉ bằng một phần nhỏ so với giải pháp của ChatGPT. Ngoài ra, người dùng có hai tùy chọn linh hoạt để lựa chọn.
Tùy chọn đầu tiên là đăng ký dịch vụ đám mây với mức phí 30 USD mỗi tháng, nơi AI Agent sẽ chạy trên máy chủ của họ. Tùy chọn thứ hai, và cũng là giải pháp tiết kiệm nhất, là tự thiết lập Browser Use cục bộ trên máy tính của bạn; khi đó, bạn chỉ phải trả phí cho việc sử dụng API của các mô hình ngôn ngữ lớn (LLM). Chúng tôi đã lựa chọn phương án tiết kiệm chi phí tối đa này để thử nghiệm.
Giao diện trang web Browser Use hiển thị các gói dịch vụ và tùy chọn chi phí
Mặc dù việc thiết lập Browser Use không đơn giản như ChatGPT Operator, nhưng chỉ với một vài dòng lệnh, chúng tôi đã có thể khởi chạy nó thành công. Nếu chúng tôi làm được, chắc chắn bạn cũng sẽ làm được!
Hướng Dẫn Cài Đặt Browser Use Trên Máy Tính Cá Nhân
Để bắt đầu với Browser Use, bạn sẽ cần hai yếu tố chính: Python 3.11 phải được cài đặt trên máy tính của bạn và quyền truy cập API từ OpenAI (hoặc một mô hình ngôn ngữ lớn (LLM) được lưu trữ cục bộ nếu bạn muốn).
Vì Browser Use là một AI Agent, nó cần một mô hình ngôn ngữ lớn (LLM) để hoạt động. Bạn có thể nhận quyền truy cập API từ trang web của OpenAI hoặc bất kỳ API nào khác tương thích với Browser Use. Lợi ích của việc sử dụng API là sự linh hoạt trong việc lựa chọn giữa các mô hình khác nhau (như GPT-3.5 và GPT-4), và bạn chỉ phải trả tiền cho những gì bạn sử dụng, thay vì một khoản phí đăng ký trả trước.
Trong quá trình thử nghiệm, chúng tôi đã sử dụng mô hình ChatGPT 4-o. Tổng chi phí cho bảy tác vụ mà Browser Use đã thực hiện chỉ chưa đến 1 USD. Tuy nhiên, nếu bạn kết hợp nó với API của DeepSeek, chi phí sẽ còn rẻ hơn đáng kể.
Bạn cũng có thể sử dụng một LLM cục bộ trên máy tính của mình. Tuy nhiên, việc chạy một LLM cục bộ có hiệu năng tương đương ChatGPT 4-o đòi hỏi sức mạnh tính toán đáng kể, điều mà hầu hết người dùng thông thường khó có thể đáp ứng. Chúng tôi đã thử nghiệm mô hình LLM 7B của DeepSeek trên máy tính cá nhân và hiệu suất không mấy khả quan. Vì vậy, lời khuyên của chúng tôi là nên tiếp tục sử dụng API vào thời điểm hiện tại.
Khi đã có quyền truy cập API, bạn có thể tạo một môi trường ảo trong VS Code bằng cách vào View > Command Palette và gõ create environment. Sau đó, mở một terminal mới và cài đặt Browser-use bằng pip.
pip install browser-useTạo một tệp .env trong thư mục và thêm khóa API của bạn vào đó.
OPENAI_API_KEY="Your API Here"Tạo một tệp Python mới với tên app.py và dán đoạn mã sau:
from langchain_openai import ChatOpenAI
from browser_use import Agent
import asyncio
from dotenv import load_dotenv
load_dotenv()
async def main():
agent = Agent(
task="Go to Reddit, search for 'browser-use', click on the first post and return the first comment.",
llm=ChatOpenAI(model="gpt-4o"),
)
result = await agent.run()
print(result)
asyncio.run(main())Thay thế lời nhắc (prompt) bằng lệnh của riêng bạn, ví dụ: “Search for Albert Einstein and open his Wikipedia page.” Cuối cùng, chạy tệp app.py bằng terminal.
python app.pyĐánh Giá Thực Tế: Browser Use Hoạt Động Hiệu Quả Đến Đâu?
Chúng tôi bắt đầu thử nghiệm với các tác vụ đơn giản, chẳng hạn như tìm kiếm “Albert Einstein” trên Google và mở trang Wikipedia của ông. Khi chạy script, AI Agent đã mở một cửa sổ trình duyệt mới và thực hiện tác vụ một cách hoàn hảo.
Tiếp theo, chúng tôi yêu cầu nó tìm kiếm laptop gaming trên Amazon và mở kết quả đầu tiên. Một lần nữa, AI Agent hoàn thành tác vụ thành công.
Tại thời điểm này, chúng tôi đã tin rằng Browser Use có thể điều hướng web một cách thông minh. Để đẩy nó đi xa hơn, chúng tôi hướng dẫn nó truy cập Yahoo News và tóm tắt năm bài viết hàng đầu. Thật ngạc nhiên, Browser Use đã hoàn thành tác vụ này chỉ trong vài phút. Các bản tóm tắt rất ngắn gọn và đi thẳng vào vấn đề.
Tuy nhiên, mọi thứ trở nên phức tạp đối với Browser Use khi chúng tôi yêu cầu nó tìm kiếm chuyến bay từ London đến Paris trên skyscanner.com. Ban đầu, trang web đã chặn quyền truy cập do phát hiện bot, vì vậy chúng tôi phải can thiệp để vượt qua cơ chế bảo vệ này. Dù vậy, Browser Use vẫn gặp khó khăn—nó nhấp vào nút tìm kiếm mà không nhập chính xác “London” và “Paris” vào các trường tương ứng.
Bạn có thể kết nối Browser Use với trình duyệt chính của mình, nơi tất cả các tài khoản của bạn đã được đăng nhập. Điều này cho phép AI Agent nhập dữ liệu vào Google Sheet hoặc dán các bản tóm tắt từ Yahoo News vào Google Doc. Tuy nhiên, chúng tôi gặp phải một số vấn đề khi thiết lập nó với trình duyệt đang hoạt động, nên tạm thời phải gác lại việc này.
Kết Luận
Nhìn chung, đây là một thử nghiệm thú vị. Việc quan sát một AI Agent tự động điều hướng web và thực hiện các tác vụ thực sự rất hấp dẫn. Mặc dù Browser Use chưa hoàn hảo và vẫn còn một chặng đường dài để trở thành một AI Agent hoàn chỉnh có thể duyệt web mượt mà, công nghệ này vẫn còn ở giai đoạn sơ khai. Do đó, chúng ta hoàn toàn có thể kỳ vọng những cải tiến đáng kể trong tương lai.
Hiện tại, nếu bạn sẵn lòng mày mò với việc thiết lập và không ngại một vài trục trặc nhỏ, hãy thử cài đặt Browser Use trên máy tính của mình. Nếu bạn gặp khó khăn và cần sự hỗ trợ, đừng ngần ngại chia sẻ trong phần bình luận bên dưới.
