Trong kỷ nguyên công nghệ số, các tác nhân AI (AI agents) có khả năng điều khiển trình duyệt web và thực hiện các tác vụ phức tạp như con người không còn là khái niệm viễn tưởng. Các công cụ như ChatGPT Operator đã chứng minh được sức mạnh vượt trội của mình trong việc tự động hóa, nhưng đi kèm với đó là một mức giá không hề nhỏ. Thay vì chi trả khoản phí đáng kể đó, nhiều người tìm kiếm một giải pháp thay thế miễn phí hoặc chi phí thấp hơn, và bất ngờ là đã có một lựa chọn hoạt động hiệu quả đáng kinh ngạc. Bài viết này sẽ khám phá Browser Use, một AI agent mã nguồn mở hứa hẹn mang lại khả năng tự động hóa web tương tự với mức đầu tư tối thiểu.
Browser Use: Lựa Chọn Mã Nguồn Mở Tối Ưu Cho AI Điều Khiển Trình Duyệt
ChatGPT Operator, một tính năng của ChatGPT, cho phép AI kiểm soát trình duyệt web và thực hiện các hành động như nhấp chuột, cuộn trang một cách độc lập. Người dùng chỉ cần ra lệnh cho ChatGPT về những việc cần làm, chẳng hạn như đặt vé máy bay hoặc nhập văn bản vào Google Docs, và nó sẽ tự động thực hiện. Tuy nhiên, để tiếp cận tính năng này, người dùng phải chi trả một mức phí khá cao, khoảng 200 USD mỗi tháng cho gói ChatGPT Pro. Điều này trở thành rào cản lớn đối với nhiều cá nhân và doanh nghiệp nhỏ.
Trong quá trình tìm kiếm giải pháp thay thế, Browser Use đã nổi lên như một lựa chọn tiềm năng. Đây là một AI agent mã nguồn mở có chức năng tương tự ChatGPT Operator, có khả năng tương tác với trình duyệt web, điều hướng qua các trang web và thực hiện các tác vụ tự động. Điểm khác biệt lớn nhất là chi phí sử dụng của Browser Use chỉ bằng một phần nhỏ so với dịch vụ của ChatGPT.
Browser Use cung cấp hai tùy chọn chi phí linh hoạt cho người dùng. Tùy chọn đầu tiên là đăng ký dịch vụ đám mây với mức phí 30 USD mỗi tháng, nơi AI agent sẽ được chạy trên máy chủ của họ. Lựa chọn còn lại, và cũng là lựa chọn tiết kiệm nhất, là tự cài đặt Browser Use cục bộ trên máy tính cá nhân. Với phương án này, bạn sẽ chỉ phải trả phí cho việc sử dụng API của các mô hình ngôn ngữ lớn (LLM), mà thông thường sẽ rất thấp so với chi phí thuê bao cố định. Quá trình thiết lập Browser Use có thể không đơn giản như ChatGPT Operator, nhưng với một vài dòng lệnh và hướng dẫn chi tiết, bất kỳ ai cũng có thể làm được.
Trang web Browser-use hiển thị các gói đăng ký và tùy chọn giá cho AI agent.
Hướng Dẫn Cài Đặt Browser Use Trên Máy Tính Cá Nhân
Để bắt đầu sử dụng Browser Use, bạn cần chuẩn bị hai yếu tố chính: Python 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 hoạt động. Bạn có thể lấy 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 bạn có thể linh hoạt lựa chọn giữa các mô hình khác nhau (như GPT-3.5 và GPT-4) và chỉ phải trả tiền cho những gì bạn sử dụng, thay vì một khoản phí thuê bao trả trước.
Trong quá trình thử nghiệm, mô hình ChatGPT 4-o được sử dụng. Tổng chi phí cho bảy tác vụ yêu cầu Browser Use thực hiện là dưới 1 USD. Tuy nhiên, nếu kết hợp với DeepSeek API, chi phí này có thể giảm đi nhiều lần.
Ngoài ra, bạn cũng có thể sử dụng một LLM cục bộ trên máy tính của mình. Tuy nhiên, để chạy một LLM cục bộ có hiệu suất tương đương ChatGPT 4-o đòi hỏi một lượng lớn tài nguyên máy tính, điều mà hầu hết người dùng phổ thông khó có thể đáp ứng. Thử nghiệm với mô hình LLM 7B của DeepSeek trên máy tính cá nhân đã cho thấy hiệu suất không như mong đợi. Vì vậy, việc sử dụng API vẫn là lựa chọn được khuyến nghị ở thời điểm hiện tại.
Sau khi đã có quyền truy cập API, bạn có thể tạo môi trường ảo trong VS Code bằng cách vào View > Command Palette và gõ create environment. Tiếp theo, 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"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())Bạn có thể thay thế yêu cầu trong biến task bằng tác vụ của riêng mình, ví dụ: “Tìm kiếm Albert Einstein và mở trang Wikipedia của ông.” Cuối cùng, chạy tệp app.py bằng terminal:
python app.pyĐánh Giá Thực Tế: Browser Use Hoạt Động Hiệu Quả Đến Đâu?
Để kiểm tra khả năng của Browser Use, một loạt các tác vụ từ đơn giản đến phức tạp đã được thực hiện.
Tác Vụ Đơn Giản
Quá trình thử nghiệm bắt đầu với những tác vụ đơn giản như tìm kiếm “Albert Einstein” trên Google và mở trang Wikipedia của ông. Khi chạy đoạn mã, AI agent đã mở một cửa sổ trình duyệt mới và thực hiện tác vụ một cách hoàn hảo.
Tiếp theo, Browser Use được yêu cầu tìm kiếm laptop gaming trên Amazon và mở kết quả đầu tiên. Một lần nữa, AI agent đã hoàn thành tác vụ thành công.
Tác Vụ Phức Tạp Hơn
Tại thời điểm này, có thể thấy rằng Browser Use có khả năng điều hướng web một cách thông minh. Để đẩy giới hạn của nó, tác vụ truy cập Yahoo News và tóm tắt năm bài báo hàng đầu đã được đưa ra. Điều ngạc nhiên là Browser Use đã hoàn thành tác vụ này chỉ trong vài phút. Các bản tóm tắt đều ngắn gọn và đi đúng trọng tâm.
Các Thách Thức và Hạn Chế
Tuy nhiên, mọi thứ trở nên phức tạp hơn đối với Browser Use khi tác vụ tìm kiếm chuyến bay từ London đến Paris trên skyscanner.com được yêu cầu. Ban đầu, trang web đã chặn quyền truy cập do phát hiện bot, yêu cầu sự can thiệp thủ công để vượt qua. Ngay cả sau khi vượt qua được, 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.
Mặc dù có khả năng kết hợp Browser Use với trình duyệt chính nơi bạn đã đăng nhập các tài khoản (cho phép AI agent nhập dữ liệu vào Google Sheet hoặc dán các bản tóm tắt Yahoo News vào Google Doc), nhưng trong quá trình thử nghiệm đã phát sinh một số vấn đề khi thiết lập với trình duyệt đang hoạt động, nên phần này tạm thời bị trì hoãn.
Nhìn chung, đây là một thử nghiệm thú vị. Việc quan sát một AI agent điều hướng web và thực hiện các tác vụ là điều hấp dẫn. Mặc dù Browser Use chưa hoàn hảo và vẫn còn một chặng đường dài để trở thành một AI agent vững chắc có thể duyệt web mượt mà, công nghệ này rõ ràng vẫn đang ở giai đoạn sơ khai và chúng ta có thể kỳ vọng vào những cải tiến đáng kể trong tương lai.
Kết Luận
Browser Use là một minh chứng rõ ràng cho tiềm năng của các AI agent mã nguồn mở trong việc tự động hóa các tác vụ trình duyệt, cung cấp một giải pháp thay thế tiết kiệm chi phí cho các công cụ đắt đỏ như ChatGPT Operator. Dù việc thiết lập ban đầu có thể đòi hỏi một chút kiến thức kỹ thuật và người dùng có thể gặp phải một vài trục trặc nhỏ trong quá trình sử dụng, nhưng khả năng điều hướng web, tìm kiếm thông tin và tóm tắt nội dung của nó là rất ấn tượng đối với một công cụ miễn phí (tính theo phí API).
Nếu bạn là người yêu thích công nghệ, sẵn sàng mày mò và không ngại đối mặt với những thách thức nhỏ, việc cài đặt và trải nghiệm Browser Use trên máy tính cá nhân chắc chắn sẽ mang lại nhiều điều thú vị và mở ra cánh cửa đến thế giới tự động hóa bằng AI. Hãy khởi động máy tính của bạn và thử cài đặt Browser Use ngay hôm nay. Nếu bạn gặp bất kỳ khó khăn nào trong quá trình thực hiện, đừng ngần ngại chia sẻ trải nghiệm và câu hỏi của bạn trong phần bình luận dưới đây, chúng ta có thể cùng nhau tìm ra giải pháp.
