Kurumsal test otomasyonu ve RPA projelerinde çalışan her yazılım mimarı, kırılgan CSS ve XPath seçicilerinin oluşturduğu bakım maliyetini yakından bilir. Arayüz tarafında tek bir bileşen sınıf adının değişmesi veya bir açılır pencerenin DOM konumunun kayması, aylarca sorunsuz çalışan otomasyon betiklerini tek gecede devre dışı bırakabilir.
Browser-Use (browser-use/browser-use), büyük dil modeli (LLM) tabanlı ajanların web uygulamalarında kırılgan seçicilere bağlı kalmadan insan gibi tıklamasını, form doldurmasını, çoklu sekme yönetmesini ve canlı veri çıkarmasını sağlayan MIT lisanslı açık kaynaklı bir Python çerçevesidir. Playwright temelleri ile tip güvenli ham Chrome DevTools Protocol (cdp-use) katmanını birleştirir ve yerleşik MCP sunucusu sunar.
Önemli
- Akıl Yürütme ve Tarayıcı Ayrımı: Model katmanını tarayıcı primitiflerinden ayırır; OpenAI, Anthropic, Google Gemini veya yerel Ollama modelleriyle harici ağır çerçeve bağımlılığı olmadan çalışır.
- DOM İndeksleme + Görsel Zeminleme + Ham CDP: Etkileşimli DOM ağacını numaralandırarak modele verir, isteğe bağlı ekran görüntüsüyle doğrular ve
cdp-useüzerinden doğrudan Chromium kontrolü sağlar. - Yerleşik MCP ve Firecrawl İş Birliği:
browser-use --cli-mcpkomutuyla kodlama ajanlarına bağlanır; toplu okuma işlerinde Firecrawl ile birleşerek eksiksiz RAG ve otomasyon hatları kurar.
Kırılgan Seçicilerden Ajan Tabanlı Algı-Eylem Döngüsüne Geçiş
Geleneksel tarayıcı otomasyonunda geliştirici, her adım için deterministik bir yol haritası kodlar: belirli bir ID'yi bekle, şu XPath'e tıkla, üçüncü tabloyu ayrıştır. Bu yöntem tamamen sabit iç arayüzlerde hızlı ve ucuzdur; ancak sık güncellenen harici SaaS panelleri, çok adımlı tedarikçi portalları veya değişken form akışlarında sürdürülebilirliğini kaybeder.
Kling Digital mühendislik ekibinin kurumsal yapay zeka çözümleri kapsamında tasarladığı ajan destekli iş akışlarında, Browser-Use'u değerli kılan temel özellik hibrit algılama döngüsüdür. Yalnızca ekran görüntüsü (vision-only) piksel koordinatı tahmin eden sistemler yüksek token maliyeti ve düşük tıklama hassasiyeti üretirken, Browser-Use sayfadaki etkileşimli öğeleri (düğmeler, bağlantılar, girdi kutuları, açılır listeler) kompakt bir DOM temsili içinde indeksler ve gerektiğinde numaralandırılmış görsel kutucuklarla (bounding boxes) zenginleştirir.
Bu sayede ajan bir "Gönder" düğmesinin sınıf adı değişse bile anlamsal etiketinden, ARIA özniteliklerinden ve sayfa bağlamından doğru hedefi seçer. Kendi web uygulamalarınızın hem arama botları hem de tarayıcı ajanları tarafından tutarlı okunabilmesi için SEO tarayıcı ve site örümceği ile AI ve GEO arama denetimi araçlarıyla semantik HTML kalitesini düzenli doğrulamak da ajan etkileşim kararlılığını doğrudan artırır.
Çekirdek Mimari: Agent Döngüsü, BrowserSession ve Ham CDP (cdp-use)
Browser-Use mimarisi dört temiz sorumluluk katmanı üzerine inşa edilir:
1. Ajan ve Dahili LLM Sarmalayıcıları
Kütüphane, sabit bir model sağlayıcısına kilitlenmez. Güncel sürümlerde ChatOpenAI, ChatAnthropic ve ChatGoogle gibi dahili sarmalayıcılar doğrudan paketin içinden gelir; böylece standart model çağrıları için ağır dış orkestrasyon bağımlılıkları kurmak gerekmez. Ajan her adımda sayfa durumunu okur, eylem geçmişini değerlendirir, click_element, input_text, scroll veya extract_content gibi araçlardan birini çağırır ve beklenen durum oluşmazsa kendi kendini düzeltir.
2. BrowserProfile ve BrowserSession Soyutlaması
BrowserProfile: Tarayıcının statik yapılandırma şablonudur. Başsız (headless) çalışma modu, pencere boyutları, vekil sunucu ayarları, yürütülebilir dosya yolu, izin verilen alan adları ve kalıcı profil dizini (user_data_dir) burada tanımlanır.BrowserSession: Olay güdümlü tarayıcı yaşam döngüsü yöneticisidir. Sekme geçişlerini, ağ bağlantılarını, olay döngülerini ve tarayıcı oturum kapatma süreçlerini koordine eder.
3. Playwright'tan Tip Güvenli Ham CDP'ye (cdp-use)
İlk sürümler yüksek seviyeli Playwright sarmalayıcılarına ağırlık verirken, güncel Browser-Use mimarisi düşük seviyeli hız ve ince kontrol için ekosisteme özel geliştirilen cdp-use (CDPClient) istemcisinden yararlanır. cdp-use, Chrome DevTools Protocol alanları (DOM, Page, Target, Runtime) için Python TypedDict tabanlı tip güvenliği sağlar. Bu yapı, gereksiz soyutlama gecikmelerini azaltır ve yerel açık Chromium oturumlarına doğrudan WebSocket üzerinden bağlanmayı kolaylaştırır.
Python SDK ile Üretim Odaklı Başlangıç Örneği
Aşağıdaki Python kodu (pip install browser-use), izole bir BrowserProfile ve BrowserSession oluşturarak ajanın belirlenen hedefi adım adım yürütmesini gösterir:
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=(
"docs.browser-use.com adresine git, MCP dokumantasyon sayfasini bul "
"ve desteklenen temel CLI komutlarini ozetle."
),
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())
Düşük seviyeli protokol kontrolü gerektiren özel entegrasyonlarda geliştiriciler doğrudan from cdp_use.client import CDPClient istemcisini kullanarak tip güvenli cdp.send.Page.navigate(...) ve cdp.send.Target.getTargets() çağrılarıyla kendi tarayıcı araçlarını da yazabilir.
Browser-Use, Firecrawl, Ham Playwright ve Klasik RPA Karşılaştırması
Tarayıcı otomasyonu her problem için tek çözüm değildir. Özellikle yüksek hacimli veri toplama işlerinde LLM tabanlı bir tarayıcı ajanını her sayfa için adım adım koşturmak gereksiz gecikme ve token maliyeti doğurur. Aşağıdaki matris doğru aracın seçilmesini kolaylaştırır:
| Karşılaştırma Boyutu | Browser-Use | Firecrawl | Playwright / Selenium | Klasik Kurumsal RPA |
|---|---|---|---|---|
| Seçici Dayanıklılığı | Yüksek (anlamsal DOM + görsel bağlam) | Yüksek (sayfa genelinde Markdown çıkarımı) | Düşük (CSS/XPath kırılması) | Düşük-Orta (ekran/UI değişimine duyarlı) |
| Oturum Açma ve Form Akışları | Doğal dil hedefiyle çok adımlı yürütme | Sınırlı temel sayfa aksiyonları | Kodlanmış sabit akışlarla tam kontrol | Görsel akış şemalarıyla sabit yürütme |
| Sayfa Başına Hız ve Maliyet | Orta (her adım LLM çıkarımı gerektirir) | Çok yüksek hız, düşük birim maliyet | Çok yüksek hız, sıfır LLM maliyeti | Orta hız, yüksek lisans maliyeti |
| RAG Doküman İndeksleme | Kapalı/etkileşimli portallar için ideal | Toplu site ve doküman indekslemede lider | Özel ayrıştırıcı yazımı gerektirir | RAG için uygun değil |
| MCP ve Ajan Ekosistemi | Yerleşik browser-use --cli-mcp | Resmi firecrawl-mcp sunucusu | Harici topluluk köprüleri gerekir | Çoğunlukla kapalı ekosistem |
| Lisans | MIT | AGPL-3.0 | Apache-2.0 | Ticari / tescilli |
İpucu
İki Aşamalı Web Ajanı Mimarisi: Kamuya açık yüzlerce sayfayı temiz Markdown olarak indekslemek için Firecrawl web-to-Markdown rehberinde anlattığımız hattı kullanın; kullanıcı filtresi, dinamik tarih seçici veya çok adımlı form doldurma gereken hedeflerde kontrolü Browser-Use ajanına devredin. Bu katmanın diğer açık kaynak projelerle bütünleşmesini görmek için Kasım 2026 açık kaynak AI ajan ekosistemi analizimizi ve yalıtılmış kod çalıştırma yaklaşımı için OpenHands sandbox rehberini inceleyebilirsiniz.
Model Context Protocol (MCP) ve Gerçek Oturum Kontrolü
Browser-Use yalnızca bağımsız Python betiklerinde değil, doğrudan kodlama ve üretkenlik ajanlarının eli olarak da çalışır. Paket içinde yerleşik gelen MCP sunucusu standart girdi/çıktı (stdio) üzerinden başlatılır:
browser-use --cli-mcp
Bu sunucu Claude Desktop, Cursor, Claude Code veya özel MCP istemcilerine üç temel yetenek açar:
browser_exec(code):new_tab,goto_url,page_info,click_at_xy,type_text,jsvecdpyardımcılarını içeren Python parçacıklarını çalıştırır.browser_screenshot(full, max_dim): Görünüm alanının veya tüm sayfanın ölçeklenmiş ekran görüntüsünü yakalar.browser_login(force): Uzak tarayıcılar için Browser Use Cloud kimlik doğrulama akışını yönetir.
Yerel MCP yapılandırmasında aşağıdaki JSON tanımı kullanılabilir:
{
"mcpServers": {
"browser-use": {
"command": "browser-use",
"args": ["--cli-mcp"],
"env": {
"ANTHROPIC_API_KEY": "sk-ant-YOUR_KEY"
}
}
}
}
Yerel modda araç, uzaktan hata ayıklama (CDP) açık olan yerel Chrome oturumuna bağlanabilir veya kapalıysa geçici bir headless Chromium örneği başlatır. Paralel oturum ölçekleme veya dağıtık altyapı gerektiğinde ise BROWSER_USE_API_KEY ile Browser Use Cloud üzerindeki yönetilen uzak tarayıcılar devreye alınabilir.
Güvenlik Sınırları, Dolaylı Prompt Enjeksiyonu ve Üretim Sertleştirmesi
Bir yapay zeka ajanına canlı bir web tarayıcısı ve aktif çerezler vermek, salt metin tabanlı bir sohbet botuna kıyasla çok daha geniş bir saldırı yüzeyi açar. Özellikle üçüncü taraf web sitelerindeki görünmez DOM metinleri, yorum alanları veya HTML öznitelikleri aracılığıyla ajanı farklı bir URL'ye yönlendirmeye ya da oturum bilgisini sızdırmaya çalışan dolaylı prompt enjeksiyonu (indirect prompt injection) saldırıları ciddi bir üretim riskidir.
Uyarı
Üretim Ortamı Güvenlik Kuralları: Browser-Use ajanlarını ASLA yöneticinin kişisel günlük tarayıcı profilinde sınırsız yetkiyle çalıştırmayın. Her zaman yalnızca göreve özel düşük yetkili hizmet hesapları kullanın, BrowserProfile.allowed_domains listesiyle gidilebilecek alan adlarını beyaz listeye alın, tarayıcıyı ağ izolasyonlu Docker konteynerinde yürütün ve ödeme, silme ya da yetki değişikliği gibi geri döndürülemez eylemlerde mutlaka insan onayı (human-in-the-loop) kapısı koyun. Ayrıca web sitelerinin kullanım koşullarına ve insan doğrulama sınırlarına kesin biçimde uyun; erişim kontrollerini aşmaya yönelik otomasyonlar hem yasal hem güvenlik açısından kabul edilemez.
Maliyet ve Gecikme Optimizasyonu
Her tarayıcı etkileşim adımı yeni bir DOM özeti ve isteğe bağlı ekran görüntüsü gönderdiği için denetimsiz döngüler fatura sürprizi yaratabilir. Üretimde mutlaka max_steps üst sınırı tanımlanmalı, sayfa gezinme ve basit tıklama adımları hızlı/düşük maliyetli modellere yönlendirilmeli, karmaşık muhakeme gerektiren doğrulama adımları ise yalnızca ihtiyaç anında üst seviye modellere ayrılmalıdır. Ayrıca tekrarlanan rutin akışların deterministik Playwright adımlarına dönüştürülüp yalnızca beklenmedik arayüz sapmalarında Browser-Use ajanının devreye girmesi (hibrit fallback) hem hız hem kararlılık kazandırır.
Kling Digital ile Denetlenebilir Tarayıcı Ajanları Kurmak
Kurumsal ölçekte çalışan her tarayıcı ajanı; adım bazlı işlem kayıtları, ekran görüntüsü izleri, alan adı kısıtları ve hata kurtarma politikalarıyla izlenebilir olmalıdır. İş akışlarınızda güvenli tarayıcı otomasyonu, RAG veri hattı veya MCP tabanlı ajan orkestrasyonu kurgulamak için Kling Digital mimari ekibiyle iletişim sayfamız üzerinden görüşebilir veya mevcut dijital varlıklarınızı AI ve GEO arama denetimi ile inceleyebilirsiniz.




