AI 与大模型
browser-use · 深度导读卡
智能体/工具链一页读懂:LLM · MIT
¥4.9
一次性
商品说明
- 定位:LLM 方向的智能体/工具链
- 平台/栈:Python
- 许可:MIT
- 数据点:GitHub 星标 119.8k
- 维护信号:最近 0 天内有推送
该项目旨在构建模型调用、工具编排与上下文管理的一体化链路,主要围绕LLM与MCP展开。适用于计划将模型接入实际工具链的开发者。以Python为主要平台,需准备模型API Key或本地推理端点,并按照文档注册工具与权限,在沙箱中测试。部署门槛中至高。与其他同类项目相比,该项目在两个来源(GitHub)均有收录,表明其受到多家目录的认可。注意,许可证较为宽松(MIT/Apache),但仍需注意版权和许可声明,以及商标和专利条款。公开元数据未提供服务级别协议(SLA)、商业支持和安全审计信息,建议生产使用前进行自测。
付款后生成带授权码的交付文件,可在交付页下载。
公开事实元数据
| 许可证 | MIT |
|---|---|
| 主要语言 | Python |
| 平台 / 标签 | GitHub · ai-agents · ai-tools · browser-agent |
| GitHub 星标 | 120.0k |
| 最近提交 | 2026-11-02 |
| 来源 | https://github.com/browser-use/browser-use |
| 官网 | https://browser-use.com |
| 文档 | https://github.com/browser-use/browser-use#readme |
| 演示 | https://browser-use.com |
| 核验时间 | 2026-11-04 |
本页事实字段来自公开来源,抓取与核验时间见上表;未获取到的字段一律标注 unknown,不做推测。
交付清单
1 份 Markdown 交付文件,共 11 个章节:
- 一句话定位
- 公开事实元数据(抓取时快照)
- 1. 解决什么问题
- 2. 适用人群
- 3. 技术栈与部署门槛
- 4. 与同类项目的差异
- 5. 已知短板与风险
- 上手路径建议
- 选型自检 3 问
- 30 分钟验货清单
- 合规与使用边界
兼容性
| 主要语言 | Python |
|---|---|
| 平台 / 标签 | ai-agents · ai-tools · browser-agent |
| 许可证 | MIT |
常见问题
买到的是什么形式?
一份 Markdown 交付文件,含 11 个章节(一句话定位 / 公开事实元数据(抓取时快照) / 1. 解决什么问题 / 2. 适用人群 等),付款后生成带授权码的下载文件。
许可证是否允许商用?
元数据记录为 MIT;具体商用范围以原仓库 LICENSE 原文为准,本店不额外授予权利。
项目还在维护吗?
最近一次上游提交:2026-11-02,数据抓取时间 2026-11-04。
需要什么运行环境?
主要语言 Python;其余依赖以包内依赖清单为准。
同类对比
| 商品 | 价格 | 许可证 | 最近提交 |
|---|---|---|---|
| ECC · 深度导读卡 | ¥4.9 | MIT | 2026-11-02 |
| firecrawl · 深度导读卡 | ¥4.9 | AGPL-3.0 | 2026-11-04 |
| ponytail · 深度导读卡 | ¥4.9 | MIT | 2026-10-29 |