Browser Use는 오픈소스 브라우저 조작 에이전트입니다. 지시를 내리면 실제로 브라우저를 열고, 링크를 클릭하고, 양식을 작성하고, 페이지를 넘기고, 팝업을 닫은 뒤 결과를 가져옵니다. 채팅창에서 '인터넷을 본 척'하며 답을 지어내는 것이 아니라, AI가 사람처럼 브라우저를 사용하게 해주는 도구입니다. 실제 웹 자동화 수요가 있는 사람에게 적합합니다. 가볍게 체험만 해보고 싶은 사람이나 명령줄만 보면 머리가 아픈 독자에게는 맞지 않습니다.
'웹 검색'·'플러그인' 방식과의 본질적 차이
웹 검색은 거대 언어 모델에게 '자료 조사' 기회를 단 한 번 주는 방식입니다. 검색하고, 읽고, 답하고, 끝. 브라우저 플러그인은 기능을 특정 사이트에 고정합니다. Browser Use는 세 번째 길을 택했습니다. 에이전트 루프입니다. 매 단계마다 페이지 상태를 관찰하고 다음 동작(클릭, 입력, 스크롤, 대기)을 결정하며, 잘못 가면 되돌려 다시 시도합니다. '세 사이트에서 가격을 비교해 표로 정리해줘' 같은 여러 단계 작업도 페이지를 넘나들며 스스로 완수합니다. 검색 기반 답변은 링크 뭉치만 건네고, 남은 클릭은 여전히 사용자의 몫입니다.
왜 인기를 끌었나
세 가지 요소가 맞물렸습니다. 첫째, 'AI가 브라우저를 조작한다'를 바로 쓸 수 있는 형태로 만든 가장 이른 부류의 오픈소스 프로젝트로, GitHub 스타가 11만 개를 넘어 이 분야 최고 수준의 관심을 받는 저장소 중 하나입니다. 둘째, 세 가지 이용 경로가 모두 갖춰져 있습니다. 무료 로컬 Python 라이브러리, 기존 에이전트용 CLI, 완전 관리형 클라우드 API. 초보자와 운영 환경이 각자 필요한 방식을 고를 수 있습니다. 셋째, 모델 선택이 완전히 자유롭습니다. OpenAI, Claude, Gemini를 모두 쓸 수 있고, 브라우저 자동화에 최적화된 자체 BU2 모델도 있으며, 로컬 Ollama 모델도 지원합니다. 요금과 프라이버시는 모두 직접 관리할 수 있습니다.
공식 저장소 정보
플랫폼: GitHub. 조직명: browser-use. 프로젝트명: browser-use. 라이선스: MIT. 저장소의 한 줄 정의는 'Agents that use the browser.'(브라우저를 사용하는 에이전트)입니다. 한 가지 주의할 점: Browser Harness(AI 에이전트에게 브라우저 제어권을 주는 명령줄 도구) 같은 형제 저장소도 있으니, 잘못된 저장소를 잡으면 헛걸음을 하게 됩니다.
저장소 주소(링크가 아니라 대조용): github.com/browser-use/browser-use
도입 전, 3가지 비용을 제대로 계산하자
비용 1: 모델 토큰 요금. Browser Use의 핵심 로직은 '매 단계마다 거대 언어 모델이 페이지를 보고 판단하게 한다'는 것입니다. 페이지 DOM 텍스트가 매 단계 모델에 투입되어, 한 작업에 수만 토큰이 드는 것은 흔한 일입니다. 비전 모드(매 단계 스크린샷을 멀티모달 모델에 투입)는 비용이 더 큽니다. 비용 관리의 핵심은 '저렴한 모델 + DOM 모드'이며, 텍스트로 정말 안 되는 페이지에서만 비전 모드를 쓰는 것이 원칙입니다.
비용 2: 봇 방어와 CAPTCHA. 오픈소스 로컬 버전은 CAPTCHA를 풀 수 없습니다. Cloudflare 같은 사람 인증 벽을 만나면 에이전트는 벽만 바라볼 뿐이고, '재시도—차단—재시도'의 무한 루프에 빠져 토큰만 태우는 경우도 있습니다. 공식 해법은 프록시와 CAPTCHA 처리를 갖춘 클라우드 스텔스 브라우저지만, 종량제 유료 서비스입니다.
비용 3: 로컬 환경 vs 클라우드 서비스. 로컬 실행에는 Python 3.11 이상이 필요하고 모든 API가 비동기 호출이며, 헤드리스 Chrome은 원래 메모리를 많이 먹고, 동시 실행을 올리면 머신이 먼저 버티지 못합니다. 중국 본토 사용자는 기본 확장 프로그램 다운로드가 막히는 함정을 만날 수도 있습니다. 클라우드 브라우저는 브라우저 시간당 약 0.02달러에 모델 추론 요금이 별도로 붙습니다. 신규 가입 시 15달러 크레딧이 있어 체험에는 충분하지만, 장기 사용은 직접 계산이 필요합니다. 로컬 Ollama 모델이면 추론 요금을 0으로 만들 수 있지만, 결과는 하드웨어에 직결됩니다.
어울리는 사람, 어울리지 않는 사람
어울리는 사람: 실제 웹 자동화 수요가 있는 사람(일괄 가격 비교, 양식 작성, 데이터 수집). 에이전트 루프 코드가 어떻게 쓰였는지 공부하고 싶은 개발자. Python 환경 구축을 마다하지 않는 기술 사용자.
어울리지 않는 사람: 'AI가 웹페이지를 클릭하는 모습을 보고 싶은' 체험족(학습 곡선이 있고 클라우드도 종량제). 사이트 봇 방어를 우회해 대규모 수집을 기대하는 사람(오픈소스 버전에는 그런 능력이 없고 사이트 이용 약관 위반 우려도 있음). 컴퓨터 사양이 낮으면서 클라우드 요금도 내기 싫은 사람.
