Kling Digital
ar
اتصل بنا
2026-11-19
7 دقائق قراءة
دليل مميز

ما هو Browser-Use؟ دليل أتمتة المتصفح لوكلاء الذكاء الاصطناعي عبر CDP وMCP

يمثل Browser-Use مكتبة Python مفتوحة المصدر بترخيص MIT تتيح لوكلاء النماذج اللغوية النقر وتعبئة النماذج والتنقل بين التبويبات واستخراج حالة الواجهات الحية داخل متصفحات حقيقية بدلاً من المحددات الهشة. يستعرض هذا الدليل الهندسي معمارية BrowserSession وcdp-use، وخادم MCP المدمج، والتكامل الهجين مع Firecrawl، وضوابط الأمان وحماية الجلسات في الإنتاج.

ما هو Browser-Use؟ دليل أتمتة المتصفح لوكلاء الذكاء الاصطناعي عبر CDP وMCP

يدرك كل مهندس جودة أو معماري أتمتة حجم الكلفة الخفية لمحددات CSS وXPath الهشة. إذ يكفي تحديث واحد في الواجهة الأمامية يغير اسم فئة برمجية أو ينقل نافذة منبثقة داخل شجرة DOM لتتعطل سلسلة كاملة من نصوص أتمتة RPA الحتمية في لحظة واحدة.

يمثل Browser-Use (browser-use/browser-use) إطار عمل مفتوح المصدر بلغة Python تحت ترخيص MIT يمنح وكلاء النماذج اللغوية الكبيرة تحكمًا مباشرًا بالمتصفح للنقر وتعبئة النماذج وإدارة التبويبات المتعددة وتنفيذ المهام انطلاقًا من أهداف مكتوبة بلغة طبيعية. ويجمع بين أسس Playwright وطبقة منخفضة المستوى وآمنة الأنواع لبروتوكول Chrome DevTools Protocol (cdp-use) إلى جانب خادم مدمج لبروتوكول سياق النماذج (MCP).

هام
  • فصل الاستدلال عن التحكم بالمتصفح: يفصل قرارات النموذج اللغوي عن أوامر المتصفح، ويوفر غلافات مدمجة لـ OpenAI وAnthropic وGoogle Gemini والنماذج المحلية عبر Ollama دون تعقيد خارجي.
  • فهرسة DOM مع التوجيه البصري وCDP المباشر: يحول العناصر التفاعلية إلى فهارس مضغوطة مع دعم اختياري للقطات الشاشة، وينفذ الأوامر بسرعة عبر cdp-use.
  • خادم MCP مدمج وتكامل مع Firecrawl: يتيح تشغيل browser-use --cli-mcp لوكلاء البرمجة ويتكامل مع Firecrawl لتغطية التفاعل الحي وفهرسة RAG الواسعة.

الانتقال من المحددات الهشة إلى حلقة الإدراك والفعل الوكيلة

تفترض أتمتة المتصفح التقليدية عقدًا ثابتًا لا يتغير في الواجهة: انتظر المعرف X، انقر على المسار Y، استخرج الجدول Z. يظل هذا الأسلوب سريعًا ومناسبًا للوحات الداخلية الثابتة، لكنه ينهار أمام منصات SaaS سريعة التغير وبوابات الموردين والنماذج الشرطية متعددة الخطوات.

في مسارات الأتمتة المؤسسية التي تبنيها Kling Digital ضمن حلول الذكاء الاصطناعي المؤسسية، تكمن القوة العملية لـ Browser-Use في حلقة الإدراك الهجينة. فالوكلاء المعتمدون على الصور فقط يستهلكون رموزًا ضخمة لتخمين إحداثيات البكسل ويخطئون في النماذج المزدحمة. أما Browser-Use فيلخص العناصر التفاعلية في DOM (الأزرار والحقول والروابط والقوائم المنسدلة) داخل فهرس منظم، ويمكنه إقران ذلك بلقطات شاشة مرقمة. وعندما يتغير اسم فئة CSS لزر ما، يظل الوكيل قادرًا على تحديد الهدف الصحيح عبر النص الظاهر وسمات ARIA والسياق المحيط.

وتنعكس هذه الدقة الهيكلية أيضًا على المواقع التي تديرها: إذ يساعد فحص منصاتك عبر أداة زاحف SEO وفحص الموقع وأداة تدقيق GEO وبحث الذكاء الاصطناعي على اكتشاف ثغرات الوسم الدلالي التي تؤثر في محركات البحث ووكلاء التصفح على حد سواء.

المعمارية الأساسية: حلقة الوكيل وBrowserSession وCDP الآمن الأنواع (cdp-use)

تنقسم هندسة Browser-Use بوضوح إلى ثلاث طبقات رئيسية:

1. حلقة الوكيل ومغلفات LLM المدمجة

لا يقيد الإطار المطور بمزود واحد ولا يفرض تثبيت أطر تنسيق ثقيلة؛ بل يتضمن مغلفات أصلية مثل ChatOpenAI وChatAnthropic وChatGoogle. في كل دورة، يقرأ الوكيل حالة الصفحة وسجل الخطوات السابقة، ويختار أداة مهيكلة (click_element أو input_text أو scroll أو extract_content)، ثم يتحقق من تغير الحالة ويصحح مساره ذاتيًا عند ظهور نافذة غير متوقعة أو خطأ تحقق.

2. تجريدات BrowserProfile وBrowserSession

  • BrowserProfile: قالب إعدادات ثابت يحدد وضع التشغيل الخفي (headless) وأبعاد النافذة والوسطاء وقائمة النطاقات المسموحة (allowed_domains) ومجلد ملف المستخدم (user_data_dir).
  • BrowserSession: مدير دورة حياة قائم على الأحداث ينسق التبويبات واستقرار الاتصالات وإرسال الأوامر والإغلاق الآمن للجلسة.

3. من Playwright إلى بروتوكول CDP المباشر عبر cdp-use

في حين اعتمدت الإصدارات الأولى بشكل واسع على أغلفة Playwright العليا، تعتمد المعمارية الحديثة على بروتوكول Chrome DevTools Protocol (CDP) منخفض المستوى عبر المكتبة المرافقة cdp-use (CDPClient). وتوفر cdp-use تعريفات TypedDict آمنة الأنواع لنطاقات CDP مثل DOM وPage وTarget وRuntime، مما يخفض زمن الاستجابة ويسهل الربط المباشر عبر WebSocket بجلسات Chromium المحلية أو البعيدة.

مثال عملي جاهز للإنتاج بحزمة Python SDK

بعد التثبيت (pip install browser-use)، يوصى دائمًا بتقييد النطاقات المسموحة والحد الأقصى للخطوات عبر BrowserProfile وmax_steps:

import asyncio
from dotenv import load_dotenv
from browser_use import Agent, ChatAnthropic
from browser_use.browser import BrowserProfile, BrowserSession
load_dotenv()
async def run_audit_task():
    profile = BrowserProfile(
        headless=True,
        window_width=1280,
        window_height=900,
        allowed_domains=["docs.browser-use.com", "github.com"],
    )
    session = BrowserSession(browser_profile=profile)
    agent = Agent(
        task=(
            "انتقل إلى docs.browser-use.com، اعثر على صفحة توثيق خادم MCP "
            "ولخص أوامر سطر الأوامر المتاحة."
        ),
        llm=ChatAnthropic("claude-sonnet-4-5"),
        browser_session=session,
        max_steps=15,
    )
    history = await agent.run()
    print(history.final_result())
if __name__ == "__main__":
    asyncio.run(run_audit_task())

وفي التكاملات منخفضة المستوى التي لا تحتاج حلقة نموذج لغوي، يمكن استدعاء from cdp_use.client import CDPClient مباشرة لتنفيذ أوامر مثل cdp.send.Target.getTargets() وcdp.send.Page.navigate(...).

مقارنة Browser-Use مع Firecrawl وPlaywright وأنظمة RPA التقليدية

يعالج وكيل المتصفح حالات الغموض التفاعلي، وليس الزحف الجماعي لآلاف الصفحات العامة؛ لأن تشغيل استدلال نموذج لغوي خطوة بخطوة لكل صفحة يرفع التكلفة وزمن الاستجابة دون مبرر. يوضح الجدول التالي دور كل أداة بدقة:

المعيار التقنيBrowser-UseFirecrawlPlaywright / Seleniumأنظمة RPA المؤسسية التقليدية
مقاومة تغيرات الواجهةمرتفعة (DOM دلالي + توجيه بصري)مرتفعة (تحويل شامل إلى Markdown)منخفضة (محددات CSS/XPath جامدة)منخفضة إلى متوسطة (حساسة للتخطيط)
تسجيل الدخول والنماذج المعقدةتصفح مستقل موجه بالهدفإجراءات صفحة أساسية محدودةتحكم كامل عبر نصوص ثابتةتدفقات مسجلة غير مرنة
السرعة والتكلفة لكل صفحةمتوسطة (استدلال LLM في كل خطوة)سرعة عالية جدًا وتكلفة منخفضةسرعة عالية جدًا بلا تكلفة LLMسرعة متوسطة وتراخيص مرتفعة
فهرسة RAG الجماعيةمناسب للبوابات المغلقة والتفاعليةالخيار الأول للوثائق والمواقعيتطلب تنقية HTML يدويةغير مناسب لـ RAG
جاهزية MCPمدمجة (browser-use --cli-mcp)خادم firecrawl-mcp الرسمييتطلب جسورًا خارجيةمنظومات مغلقة غالبًا
الترخيصMITAGPL-3.0Apache-2.0تجاري / احتكاري
نصيحة

مسار الويب ذو المرحلتين: خصص الزحف العام الواسع والتحويل إلى Markdown للبنية المشروحة في دليل Firecrawl لتحويل المواقع إلى Markdown، واستدعِ Browser-Use عند الحاجة لتسجيل الدخول أو المرشحات التفاعلية وتعبئة النماذج. وللتعرف على موقع هذه الطبقة مع محركات البرمجة المعزولة، راجع تقرير اتجاهات منظومة وكلاء الذكاء الاصطناعي المفتوحة لنوفمبر 2026 ودليل OpenHands في بيئة Sandbox.

خادم MCP المدمج والتحكم بالجلسات الحقيقية

إلى جانب نصوص Python المستقلة، يعمل Browser-Use كأداة متصفح مباشرة لوكلاء التطوير عبر خادم stdio MCP المدمج في الحزمة:

browser-use --cli-mcp

يحصل عملاء مثل Claude Desktop وCursor وClaude Code على ثلاث قدرات رئيسية:

  • browser_exec(code): لتنفيذ مقاطع Python تستدعي دوال التحكم (new_tab وgoto_url وpage_info وclick_at_xy وtype_text وjs وcdp).
  • browser_screenshot(full, max_dim): لالتقاط صورة للعرض المرئي أو كامل الصفحة بدقة مضبوطة.
  • browser_login(force): لإدارة المصادقة مع متصفحات Browser Use Cloud المدارة عن بعد.

ويُضاف الخادم محليًا بإعداد JSON موجز:

{
  "mcpServers": {
    "browser-use": {
      "command": "browser-use",
      "args": ["--cli-mcp"],
      "env": {
        "ANTHROPIC_API_KEY": "sk-ant-YOUR_KEY"
      }
    }
  }
}

في الوضع المحلي يتصل الخادم بجلسة Chrome المفتوحة عبر تصحيح CDP عن بعد، أو يشغل نسخة Chromium خفية مؤقتة عند عدم توفرها. ولأحمال العمل المتوازية يتيح المتغير BROWSER_USE_API_KEY التوجيه إلى متصفحات Browser Use Cloud المدارة.

حدود الأمان ومقاومة حقن التعليمات وإدارة التكاليف

منح وكيل مستقل متصفحًا نشطًا يحمل ملفات تعريف ارتباط يفتح سطح هجوم أوسع بكثير من واجهات الدردشة النصية. إذ قد تحتوي الصفحات الخارجية غير الموثوقة على حقن غير مباشر للتعليمات (Indirect Prompt Injection) مخفي في عقد DOM أو تعليقات المستخدمين بهدف دفع الوكيل لفتح روابط ضارة أو تسريب الجلسات.

تحذير

ضوابط التحصين في الإنتاج: لا تربط Browser-Use أبدًا بملف المتصفح الشخصي لمسؤول النظام. استخدم دائمًا حسابات خدمة بأدنى صلاحيات داخل حاويات Docker معزولة شبكيًا، وفرض قائمة نطاقات مسموحة صارمة عبر BrowserProfile.allowed_domains، وضع بوابة موافقة بشرية (Human-in-the-loop) قبل أي عمليات مالية أو حذف أو تعديل صلاحيات. التزم دائمًا بسياسات المواقع المستهدفة وحدود التحقق البشري دون محاولة تجاوز ضوابط الوصول.

هندسة التكلفة وزمن الاستجابة

يرسل كل إجراء لقطة DOM محدثة وربما صورة شاشة، مما يجعل الحلقات غير المقيدة مكلفة سريعًا. تعتمد الفرق الإنتاجية حدًا صارمًا عبر max_steps، وتوجه خطوات التصفح الروتينية لنماذج سريعة ومنخفضة الكلفة مع تخصيص النماذج المتقدمة لمنطق النماذج المعقدة فقط، وتحول المسارات المتكررة المستقرة إلى نصوص Playwright حتمية مع الإبقاء على Browser-Use كخطة احتياطية مرنة عند تغير الواجهة.

بناء وكلاء متصفح خاضعين للحوكمة مع Kling Digital

تتطلب أتمتة المتصفح الموثوقة سجلات تتبع قابلة لإعادة التشغيل، وقوائم نطاقات مسموحة، وتدقيقًا أمنيًا ومسارات احتياطية حتمية. إذا كان فريقك يخطط لدمج Browser-Use أو Firecrawl أو خوادم MCP في عمليات المؤسسة، تواصل مع فريق Kling Digital عبر صفحة اتصل بنا لترتيب جلسة معمارية، أو افحص توافق موقعك مع أنظمة الذكاء الاصطناعي عبر أداة تدقيق GEO وبحث الذكاء الاصطناعي.

الأسئلة الشائعة

الأسئلة الأكثر شيوعاً حول هذا الدليل والتكامل.

العودة إلى الأخبار
مشاركة

التعليقات (0)

شارك أفكارك وتجاربك مع المجتمع.

لا توجد تعليقات بعد. كن أول من يشارك برأيه!

اترك تعليقاً

سيتم نشر تعليقك بعد مراجعة المسؤول واعتماده.

الموثوقية التخصصية ومركز الموارد التقنية

مقارنات معمارية، أدلة استراتيجية وأدوات رقمية تفاعلية

مصفوفات مقارنة تقنية، وأدلة هندسية معمقة، وأدوات حساب تفاعلية لدعم قراراتك الاستثمارية والتقنية.

مقارنة تقنية

مقارنة Next.js مقابل WordPress

سرعة تحميل أقل من ثانية، وحماية تامة دون ثغرات الإضافات، ومقارنة التكلفة الإجمالية لـ 3 سنوات.

عرض تحليل المقارنة الشامل
مقارنة معمارية

مقارنة معمارية Framer مقابل Next.js

الفروق الجوهرية بين أدوات التصميم المرئي والبرمجيات المؤسسية الشاملة.

عرض تحليل المقارنة الشامل

أحدث المقالات

أحدث أدلتنا في التكنولوجيا والتصميم والبرمجيات.

عرض الكل