browser-use es una biblioteca de Python de código abierto que le da a un agente de IA un navegador de verdad: abre páginas, lee los elementos interactivos, hace clic, escribe y rellena formularios para completar una tarea que le describes en lenguaje natural. El proyecto nació sobre Playwright y en 2025 dio un giro técnico importante al abandonarlo para hablar directamente con Chrome mediante el protocolo CDP. En esta guía verás qué es browser-use, cómo controla el navegador, un agente que rellena un formulario en unas pocas líneas, qué modelos le sacan más partido y en qué se diferencia de la «computer use» de los grandes modelos. La misma explicación está disponible en inglés.

Puntos clave

  • browser-use es una biblioteca de Python bajo licencia MIT que convierte un modelo de lenguaje en un agente que maneja un navegador; supera las 105 000 estrellas en GitHub, una de las cifras más altas de todo el ecosistema de agentes.
  • La versión actual es la 0.13.4 y requiere Python 3.11 o superior. Se instala con una orden: pip install browser-use.
  • El proyecto empezó sobre Playwright y en 2025 migró a CDP (el protocolo de depuración de Chrome) directo, para eliminar un salto de red intermedio y acelerar la extracción de elementos y las capturas.
  • En su propio informe declara un 89,1 % de éxito en el benchmark WebVoyager con GPT-4o, y encabeza la clasificación Odysseys con un 87,4 % de media, por delante de los agentes de uso de ordenador de OpenAI, Anthropic, Google y Microsoft.
  • Funciona con casi cualquier modelo (OpenAI, Anthropic, Google, modelos locales con Ollama) y trae su propio modelo ChatBrowserUse, más rápido, además de un modelo de pesos abiertos en vista previa.

¿Qué es browser-use?

browser-use es una biblioteca de Python que le da a un modelo de lenguaje la capacidad de manejar un navegador para completar tareas. Su lema lo resume bien: «hacer que las webs sean accesibles para los agentes de IA». Le describes un objetivo en una frase («busca el vuelo más barato a Lisboa el viernes», «rellena este formulario de contacto») y el agente abre el navegador, mira la página, decide qué acción tomar, la ejecuta y repite el ciclo hasta terminar.

El repositorio se creó en octubre de 2024 y ha crecido a un ritmo poco habitual: supera las 105 000 estrellas en GitHub y las 11 000 bifurcaciones, con licencia MIT. La biblioteca va por la versión 0.13.4 y necesita Python 3.11 como mínimo. Detrás hay una empresa que ofrece además una nube gestionada y una API, pero el corazón del proyecto es abierto y lo puedes ejecutar en tu propia máquina sin pagar nada.

La diferencia frente a la automatización clásica de navegadores (los scripts de Selenium o Playwright que escribes a mano) es que aquí no programas cada clic. Describes el resultado que quieres y es el modelo el que traduce ese objetivo en una secuencia de acciones sobre la página, adaptándose si el sitio cambia. Eso lo convierte en una pieza natural para construir un agente de IA que necesita interactuar con servicios que solo tienen interfaz web, sin API.

¿Cómo controla el navegador?

Aquí está el cambio técnico más interesante del proyecto. En sus primeras versiones, browser-use se apoyaba en Playwright, la conocida biblioteca de automatización de Microsoft, para lanzar Chrome y ejecutar clics y pulsaciones de teclado. Funcionaba, pero el equipo se topó con un límite: Playwright añade un salto de red extra, porque las órdenes pasan por un servidor de Node.js antes de llegar al navegador. Cuando un agente hace miles de llamadas por sesión, esa latencia se acumula, y además la capa de Playwright ocultaba detalles del navegador que el agente necesitaba.

Así que en 2025 tomaron una decisión drástica, que explican en su artículo «Closer to the Metal»: abandonar Playwright y hablar directamente el idioma nativo del navegador, el Chrome DevTools Protocol (CDP). Es el mismo protocolo que usan las herramientas de desarrollo de Chrome. Al eliminar el intermediario (hoy mediante el paquete cdp-use), browser-use ganó velocidad en la extracción de elementos y en las capturas de pantalla, sumó reacciones asíncronas del agente y logró soporte para iframes de distinto origen, algo que antes era un dolor de cabeza.

El ciclo de trabajo es este: browser-use analiza la página y extrae los elementos interactivos (botones, enlaces, campos), opcionalmente con una captura para los modelos con visión; se los pasa al modelo con la tarea; el modelo responde con la siguiente acción (haz clic en el elemento 12, escribe «hola» en el 7); browser-use la ejecuta por CDP y vuelve a mirar la página. El bucle se repite hasta que la tarea está resuelta o se agotan los pasos.

¿Cómo escribir un agente que rellene un formulario?

La instalación es una sola orden, con Python 3.11 o superior. La primera vez, browser-use descarga un Chromium propio si no tienes uno.

pip install browser-use

Con la clave de API de tu proveedor en una variable de entorno (por ejemplo OPENAI_API_KEY), un agente que abre una web y rellena su formulario de contacto cabe en unas pocas líneas. Fíjate en que la tarea es texto plano: no hay selectores CSS ni coordenadas, solo la descripción de lo que quieres.

import asyncio
from browser_use import Agent, ChatOpenAI

async def main():
    agente = Agent(
        task=(
            "Entra en https://example.com/contacto, "
            "rellena el nombre con 'Ada Lovelace' y el correo "
            "con 'ada@example.com', escribe 'Quiero una demo' "
            "en el mensaje y pulsa el boton de enviar."
        ),
        llm=ChatOpenAI(model="gpt-4o"),
    )
    historial = await agente.run()
    print(historial.final_result())

asyncio.run(main())

Cuando lo ejecutas, ves el navegador abrirse, localizar los campos por su etiqueta, escribir cada valor y pulsar el botón, narrando en la consola cada paso que da. El objeto historial guarda todo lo que ha hecho el agente, útil para depurar o para auditar. Si quieres darle capacidades más allá de la navegación (leer un archivo, consultar una base de datos), puedes conectarlo a herramientas externas a través de un servidor MCP, el estándar que se está imponiendo para dar herramientas a los agentes.

¿Qué modelos funcionan mejor?

browser-use es agnóstico respecto al modelo: importas la clase del proveedor que quieras (ChatOpenAI, ChatAnthropic, ChatGoogle) y se la pasas al agente. También funciona con modelos locales a través de Ollama, si prefieres no enviar el contenido de las páginas a una nube; en ese caso conviene servir el modelo en tu propia máquina con suficiente contexto.

Dicho esto, no todos los modelos rinden igual en esta tarea. Manejar un navegador exige razonamiento sobre estructuras (el DOM) y, a menudo, visión para interpretar capturas, así que los modelos grandes y multimodales (GPT-4o, Claude, Gemini) van por delante. El propio proyecto ofrece dos atajos: ChatBrowserUse, un modelo afinado para tareas de navegación que anuncian entre tres y cinco veces más rápido que las alternativas, y un modelo de pesos abiertos en vista previa, pensado para quien quiera ejecutar todo el sistema sin depender de una API externa. La recomendación práctica: empieza con un modelo potente para validar la tarea y luego prueba a bajar a uno más barato o local, midiendo la tasa de éxito.

¿browser-use o la «computer use» de los modelos?

Es la comparación inevitable. OpenAI y Anthropic ofrecen «computer use»: modelos que reciben una captura de pantalla del ordenador entero y devuelven clics y pulsaciones por coordenadas de píxel. browser-use juega en otra liga: trabaja dentro del navegador y de forma preferente sobre el DOM, no sobre píxeles.

Esa diferencia marca el resultado. Al leer la estructura de la página, browser-use suele ser más rápido y más barato (menos tokens de imagen) y más fiable en formularios y navegación, porque identifica los elementos por su rol, no por dónde caen en la pantalla. La computer use, en cambio, es más general: puede manejar cualquier aplicación de escritorio, no solo webs, y no se rompe cuando una web usa lienzos o incrustaciones raras que no exponen un DOM limpio. Si tu tarea vive en el navegador, browser-use es casi siempre la opción más eficiente; si necesitas controlar un programa de escritorio completo, ahí es donde entra la computer use, que cubrimos en detalle en nuestra guía de uso del ordenador en producción.

Preguntas frecuentes

¿browser-use sigue usando Playwright?

No en su núcleo. Las primeras versiones se construyeron sobre Playwright, pero en 2025 el proyecto migró a controlar Chrome directamente con el Chrome DevTools Protocol (CDP), mediante el paquete cdp-use. El motivo fue el rendimiento: Playwright introducía un salto de red a través de un servidor de Node.js que penalizaba las miles de llamadas de una sesión de agente. Hablar CDP directo aceleró la extracción de elementos, las capturas y añadió soporte para iframes de distinto origen.

¿Es gratis browser-use?

La biblioteca es de código abierto bajo licencia MIT, así que puedes instalarla y ejecutarla en tu propia máquina sin coste. Lo que pagas, si acaso, es el uso del modelo de lenguaje (la API de OpenAI, Anthropic o Google) o, si lo prefieres, nada en absoluto usando un modelo local con Ollama. Aparte existe una nube gestionada de pago de la empresa detrás del proyecto, pensada para ejecutar agentes a escala sin montar la infraestructura tú mismo, pero no es necesaria para empezar.

¿Qué fiabilidad tiene en tareas reales?

En su propio informe, browser-use declara un 89,1 % de éxito en el benchmark WebVoyager con GPT-4o y lidera la clasificación Odysseys con un 87,4 % de media. Conviene tomar estas cifras con cautela: algunas evaluaciones independientes obtienen tasas más bajas (en torno al 72-78 %) según el modelo y la metodología. La lección práctica es que funciona muy bien en flujos acotados y bien descritos, y que siempre debes medir la tasa de éxito en tus propias tareas antes de confiarle nada crítico.

Conclusión

browser-use resuelve un problema muy concreto: dar a un agente de IA un navegador de verdad, sin que tengas que programar cada clic. Su historia técnica (nacer sobre Playwright y saltar a CDP directo en 2025) explica por qué es rápido, y su ecosistema (más de 105 000 estrellas, licencia MIT, compatible con cualquier modelo) explica por qué se ha convertido en la puerta de entrada de tantos proyectos de agentes web. El siguiente paso es instalar la versión 0.13.4 con pip install browser-use, escribir una tarea en lenguaje natural y ver el navegador moverse solo; a partir de ahí, mide la tasa de éxito y decide qué modelo te conviene.

Fuentes

  1. Documentación oficial de browser-use
  2. browser-use en GitHub
  3. Del Playwright al CDP, artículo del proyecto
  4. Informe de resultados en WebVoyager
  5. browser-use en PyPI

Ruta: Ecosistema de agentes: MCP, gateways y plataformas