AI Agent có khả năng điều khiển trình duyệt web và thực hiện các tác vụ giống như con người đang dần trở thành hiện thực. Các công cụ mạnh mẽ như ChatGPT Operator mang lại hiệu quả cao nhưng đi kèm với mức phí không hề nhỏ. Thay vì chi trả một khoản tiền lớn, nhiều người dùng công nghệ đang tìm kiếm những giải pháp thay thế miễn phí hoặc tiết kiệm hơn – và một lựa chọn đầy hứa hẹn đã xuất hiện: Browser Use.
Browser Use: AI Agent Mã Nguồn Mở Đột Phá Cho Trình Duyệt
ChatGPT Operator là một công cụ AI tiên tiến có khả năng điều khiển trình duyệt web, thực hiện các hành động như nhấp chuột và cuộn trang một cách tự động. Bạn chỉ cần ra lệnh cho ChatGPT 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 tiếp cận công cụ này, người dùng phải chi trả một mức phí khá cao, khoảng 200 USD mỗi tháng cho gói ChatGPT Pro. Với những người dùng cá nhân hoặc các nhà phát triển nhỏ, đây có thể là một rào cản tài chính đáng kể. Chính vì lý do đó, việc tìm kiếm một lựa chọn thay thế khả thi và tiết kiệm chi phí là vô cùng cần thiết.
Và đó là lúc Browser Use tỏa sáng. Browser Use là một AI Agent mã nguồn mở, hoạt động tương tự như ChatGPT Operator. Công cụ này có thể tương tác với trình duyệt web, điều hướng qua các trang web và thực hiện nhiều tác vụ khác nhau. Điều đáng chú ý là chi phí sử dụng Browser Use chỉ bằng một phần nhỏ so với ChatGPT Operator. Đặc biệt, người dùng có hai tùy chọn linh hoạt để lựa chọn:
- Tùy chọn 1: Trả phí đăng ký 30 USD mỗi tháng để chạy AI Agent trên dịch vụ đám mây của họ. Đây là giải pháp tiện lợi, không yêu cầu cấu hình phức tạp.
- Tùy chọn 2: Tự thiết lập Browser Use trên máy tính cá nhân. Với lựa chọn này, chi phí sẽ là thấp nhất, bạn chỉ phải trả tiền cho mức độ sử dụng API của các mô hình ngôn ngữ lớn (LLM).
Với mục tiêu tiết kiệm chi phí và tối ưu hiệu quả, tùy chọn tự cài đặt cục bộ được đánh giá là lựa chọn kinh tế nhất cho những người dùng có kiến thức kỹ thuật cơ bản.
Giao diện trang chủ Browser Use hiển thị các tùy chọn gói dịch vụ và chi phí AI Agent
Mặc dù việc thiết lập Browser Use không đơn giản như ChatGPT Operator, nhưng chỉ với một vài dòng lệnh, bạn hoàn toàn có thể đưa công cụ này vào hoạt động.
Hướng Dẫn Cài Đặt Browser Use Trên Máy Tính Của Bạn
Để bắt đầu sử dụng Browser Use, bạn cần chuẩn bị hai yếu tố cơ bản: Python phiên bản 3.11 đã được cài đặt trên máy tính và quyền truy cập API từ OpenAI (hoặc một LLM được lưu trữ cục bộ nếu bạn muốn).
Vì Browser Use là một AI Agent, nó yêu cầu một mô hình ngôn ngữ lớn (LLM) để vận hành. Bạn có thể lấy quyền truy cập API từ trang web của OpenAI hoặc bất kỳ nhà cung cấp API nào khác tương thích với Browser Use. Lợi ích của việc sử dụng API là bạn có sự linh hoạt để lựa chọn giữa các mô hình khác nhau (như GPT-3.5 và GPT-4o), đồng thời 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, mô hình ChatGPT 4o đã được sử dụng. Tổng chi phí cho bảy tác vụ Browser Use đã thực hiện là dưới 1 USD. Tuy nhiên, nếu bạn kết hợp nó với DeepSeek API, chi phí sẽ còn rẻ hơn đáng kể.
Bạn cũng có thể cân nhắc việc chạy một LLM cục bộ trên máy tính của mình. Tuy nhiên, việc chạy một LLM cục bộ có hiệu suất tương đương ChatGPT 4o đòi hỏi sức mạnh tính toán đáng kể mà hầu hết người dùng phổ thông khó có thể đáp ứng. Các thử nghiệm cho thấy mô hình DeepSeek 7B LLM khi chạy trên máy tính cá nhân có hiệu suất chưa thực sự ấn tượng. Do đó, khuyến nghị vẫn là sử dụng API để đạt hiệu quả tốt nhất.
Sau 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-useTiếp theo, hãy tạo một tệp .env bên trong thư mục và thêm khóa API của bạn vào đó:
OPENAI_API_KEY="Your API Here"Cuối cùng, 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 câu lệnh mẫu bằng yêu cầu của riêng bạn, ví dụ: “Search for Albert Einstein and open his Wikipedia page.” Cuối cùng, chạy tệp python app.py bằng terminal:
python app.pyĐánh Giá Hiệu Suất Thực Tế: Browser Use Đã Làm Được Những Gì?
Để kiểm tra khả năng của Browser Use, các tác vụ từ đơn giản đến phức tạp đã được đưa ra. Ban đầu, các thử nghiệm tập trung vào những tác vụ cơ bản như tìm kiếm “Albert Einstein” trên Google và mở trang Wikipedia của ông. Khi đoạn script được chạy, AI Agent đã tự động mở một cửa sổ trình duyệt mới và thực hiện tác vụ một cách hoàn hảo.
Tiếp theo, công cụ được yêu cầu tìm kiếm máy tính xách tay chơi game trên Amazon và mở kết quả đầu tiên. Một lần nữa, AI Agent hoàn thành nhiệm vụ thành công mà không gặp trở ngại nào.
Ở giai đoạn này, Browser Use đã chứng tỏ khả năng điều hướng web một cách thông minh. Để đẩy giới hạn của nó, AI Agent được chỉ dẫn truy cập Yahoo News và tóm tắt năm bài báo hàng đầu. Điều đáng ngạc nhiên là Browser Use đã hoàn thành tác vụ này chỉ trong vài phút. Các bản tóm tắt được trình bày ngắn gọn và đi thẳng vào vấn đề.
Tuy nhiên, mọi thứ trở nên phức tạp hơn đối với Browser Use khi nó được yêu cầu tìm kiếm chuyến bay từ London đến Paris trên skyscanner.com. Ban đầu, trang web đã chặn quyền truy cập do phát hiện bot, buộc người dùng phải can thiệp để vượt qua cơ chế bảo mật. Mặc dù vậy, Browser Use vẫn gặp khó khăn – nó đã nhấp vào nút tìm kiếm mà không nhập đúng “London” và “Paris” vào các trường tương ứng.
Một điểm thú vị là Browser Use có thể được kết hợp với trình duyệt chính của bạn, 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, việc thiết lập tính năng này với trình duyệt đang hoạt động vẫn còn gặp một số vấn đề và cần thêm thời gian để hoàn thiện.
Tiềm Năng và Hạn Chế: Tương Lai Nào Cho AI Agent Duyệt Web?
Nhìn chung, việc thử nghiệm Browser Use là một trải nghiệm thú vị. Quan sát một AI Agent tự động điều hướng web và thực hiện các tác vụ là điều thực sự hấp dẫn. Mặc dù Browser Use chưa hoàn hảo và vẫn còn một chặng đường dài để trở thành một AI Agent duyệt web hoàn chỉnh, nhưng những gì nó thể hiện cho thấy tiềm năng to lớn của công nghệ này.
Cần nhấn mạnh rằng công nghệ AI Agent tự động hóa trình duyệt vẫn còn trong giai đoạn sơ khai. Chúng ta hoàn toàn có thể kỳ vọng vào những cải tiến đáng kể trong tương lai, giúp các công cụ này trở nên thông minh hơn, ổn định hơn và dễ sử dụng hơn.
Ở thời điểm hiện tại, nếu bạn là người sẵn sàng mày mò với các thiết lập và không ngại những trục trặc nhỏ thỉnh thoảng xảy ra, hãy thử cài đặt và khám phá Browser Use trên máy tính của mình. Đây là một bước tiến quan trọng trong hành trình tự động hóa các tác vụ trực tuyến. Đừng ngần ngại chia sẻ kinh nghiệm của bạn hoặc đặt câu hỏi trên các diễn đàn nếu bạn gặp khó khăn trong quá trình cài đặt hay sử dụng.
