Pular para o conteúdo
LabS Atlas
AI For Devs
Entrar

Browser Use

Ir para notas que citam esta
atualizado há 25 diasEntre para perguntar ao Labinho sobre esta notaO Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

Browser Use é uma biblioteca de agente de IA que controla um navegador a partir de instruções em linguagem natural, navegando, clicando e digitando sem que o usuário informe seletores.

Em vez de um script que diz qual elemento acionar, o usuário descreve a tarefa: ir ao Google, pesquisar por OpenAI, clicar em pesquisar e devolver a primeira URL. O agente planeja os passos e os executa sozinho. Em uma execução, recebeu apenas o que fazer, sem a URL do site: pesquisou no Google, encontrou o endereço e concluiu a tarefa. Ele é a camada de navegação usada por agentes generalistas como o Manus, que monta um roteiro de passos e chama o Browser Use em cada um. Para quem automatiza testes, é uma alternativa ao script tradicional em Selenium.

Como o agente decide onde clicar

O Browser Use trabalha em passos. A cada etapa lê a página, numera os elementos acionáveis (botões, campos de input) com índices e decide a ação referenciando esse índice, como digitar um texto no elemento de índice 8 ou clicar no de índice 6 para registrar. Ele mantém uma memória das ações já feitas, por exemplo que já navegou para o google.com, e planeja o passo seguinte a partir dela, quebrando a instrução em etapas.

Por ser um agente, depende de um modelo de linguagem como motor de decisão, com capacidade de visão para interpretar a página. Ele aceita vários provedores: a camada gratuita do Gemini, modelos da OpenAI (o GPT-4o completo foi considerado caro, com a variante mini como alternativa) ou um modelo local servido pelo Ollama, por um endpoint no formato da API da OpenAI. A chave gratuita do Gemini se esgota rápido. Há uma interface web que dispensa comandos em código e permite ajustar a Temperatura do modelo e opções do navegador, como modo headless. Cada execução gera um GIF das telas percorridas, útil como evidência para QA.

Base técnica e acesso a ambientes locais

A biblioteca é descrita como construída sobre o Playwright. Também houve a suposição, não confirmada, de que usaria Selenium por baixo. Como roda na máquina do usuário, e não na nuvem, herda o acesso de rede dela: alcança domínios internos protegidos por VPN e ambientes de teste em localhost.

Alguns sites bloqueiam a automação com proteções anti-robô que variam por plataforma. Tentativas com o Chrome padrão falharam em sites como o da OpenAI; rodando por um navegador baseado em Electron, a mesma tarefa funcionou.

Limites como ferramenta de teste

Sugerir não é testar

Ao acessar um formulário de cadastro, o agente preencheu os campos sozinho e sugeriu cenários como e-mail já existente, senhas divergentes, campos vazios, senha fraca e e-mail inválido. Mas apenas sugeriu: não reexecutou nada para confirmar que a aplicação rejeita um e-mail duplicado. A validação continua com o time.

  • Teste funcional, não de integração: navegar, preencher e checar a mensagem de sucesso ele faz bem. Regras de negócio, como tamanho máximo de campo, ou integração com banco de dados exigem que essas regras sejam passadas como contexto.
  • Formulários ambíguos: numa aplicação em que o mesmo formulário HTML servia a login e cadastro, sem contêiner que os distinguisse, o agente confundiu os campos e tratou o cadastro como login. Seu desempenho em sites sem IDs claros segue incerto.
  • Formato de saída: pedido para responder em BDD, ignorou o formato e gerou seu próprio passo a passo.
  • Consistência: não está claro se execuções repetidas produzem o mesmo resultado, requisito de um teste de regressão.

Por isso o Browser Use não substitui uma estratégia de testes estruturada, com page objects e massa de dados. Seu valor está em automatizar rapidamente um teste feito à mão, clique a clique, e em inspirar soluções de Geração de Cenários de Teste com IA que precisem entender uma interface sem seletores pré-definidos.