সস্তা মডেলে Browser Use: base_url সেটআপ এবং রানের খরচ

Browser Use যেকোনো OpenAI-সামঞ্জস্যপূর্ণ endpoint গ্রহণ করে, তাই এটিকে CheapTokens-এ সংযুক্ত করতে তিনটি মান লাগে: base_url, আপনার key এবং সম্পূর্ণ model id। নিচে একটি agent.py দেওয়া হলো যা একটি পণ্যের পৃষ্ঠা খোলে, দাম পড়ে এবং রিপোর্ট করে, সাথে লাইভ দামে একবার রানের আনুমানিক খরচ।

একটি ব্রাউজার এজেন্ট প্রতিটি ধাপে পৃষ্ঠার টেক্সট মডেলের কাছে আবার পাঠায়, তাই আনুমানিক হিসাব সময়সূচির আগে আসে।

ইনস্টল করুন এবং এটিকে API-তে নির্দেশ করুন#

Browser Use-এর README (৮ নভেম্বর ২০২৬-এ যাচাই করা) এটি uv দিয়ে ইনস্টল করে; লাইব্রেরিটির জন্য Python 3.11+ প্রয়োজন এবং এটি MIT-লাইসেন্সপ্রাপ্ত। ডকুমেন্টেশনের supported-models পৃষ্ঠায় কাস্টম endpoint-এর প্যাটার্ন দেখানো হয়েছে: ChatOpenAI একটি base_url সহ, তারপর Agent(task=..., llm=llm)।

uv init --python 3.12
uv add browser-use

key-টি স্ক্রিপ্টের পাশে একটি .env ফাইলে রাখুন, কখনো কোডে নয়:

CHEAPTOKENS_API_KEY=your-key-here

তারপর agent.py:

import asyncio
import os

from dotenv import load_dotenv
from browser_use import Agent, ChatOpenAI

load_dotenv()

llm = ChatOpenAI(
    model='deepseek-ai/DeepSeek-V4-Flash-0731',
    base_url='https://api.cheaptokens.dev/v1',
    api_key=os.getenv('CHEAPTOKENS_API_KEY'),
)

task = (
    'Open https://shop.example/laptop-x (replace with your product page). '
    'Find the current price and whether it is in stock. '
    'Reply with one line: price, currency, in stock yes/no. '
    'Do not click Buy or add anything to the cart.'
)

agent = Agent(task=task, llm=llm)
asyncio.run(agent.run())

এটি uv run agent.py দিয়ে চালান। প্রথম রানে যদি ব্রাউজার অনুপস্থিতির অভিযোগ আসে, তাহলে Browser Use quickstart যেভাবে দেখায় সেভাবে ইনস্টল করুন (uvx browser-use install, ৮ নভেম্বর ২০২৬-এ যাচাই করা)।

কেন এই মডেল: একটি ব্রাউজার রান হলো দীর্ঘ পৃষ্ঠা কনটেক্সট সহ অনেকগুলো কল। DeepSeek-V4-Flash-এর 380K কনটেক্সট উইন্ডো, প্রতি উত্তরে সর্বোচ্চ 32,768 আউটপুট টোকেন, এবং দিনের যেকোনো সময়ে একই দাম। id-টি অবশ্যই সম্পূর্ণ deepseek-ai/DeepSeek-V4-Flash-0731 হতে হবে — দামের টেবিলের সংক্ষিপ্ত নাম API গ্রহণ করে না। অন্যান্য id এবং সংযোগের মূল বিষয়গুলো CheapTokens ডকুমেন্টেশনে আছে।

একটি দামের পৃষ্ঠায় এজেন্ট আসলে কী করে#

ধরুন আপনার কাজ হলো "এই ল্যাপটপের আজ দাম কত"। এজেন্ট একটি লুপ চালায়: এটি পৃষ্ঠার টেক্সট পায়, মডেলকে জিজ্ঞাসা করে পরবর্তী কী করতে হবে, ব্রাউজারে কাজটি সম্পাদন করে (খোলা, স্ক্রল, ক্লিক), এবং নতুন পৃষ্ঠার টেক্সট ফেরত পায়। মডেল সিদ্ধান্ত নেওয়া পর্যন্ত এটি পুনরাবৃত্তি করে যে উত্তরটি পাওয়া গেছে।

শেষ তীরটিই খরচের চালিকাশক্তি। একটি পণ্যের পৃষ্ঠা হাজার হাজার টোকেন টেক্সট হতে পারে, এবং এটি প্রতিটি কলে সাথে যায়। ৬ নভেম্বরের একটি চ্যানেল পোস্টে Browser Use-কে একটি শপিং এজেন্টের ব্রাউজার স্তর হিসেবে তালিকাভুক্ত করা হয়েছে যা অফার তুলনা করে এবং দাম কমার ট্র্যাক রাখে; একই ধারণা উপরের কাজের মতো এক বা দুটি পৃষ্ঠার দৈনিক চেকের জন্য উপযুক্ত।

কিছু সময়সূচি করার আগে একটি সতর্কতা: এজেন্ট পৃষ্ঠায় যা লেখা আছে তা-ই পড়ে, এবং একটি পৃষ্ঠায় এজেন্টের উদ্দেশ্যে নির্দেশনা থাকতে পারে। prompt injection চেকলিস্ট এ সম্পর্কে কী করতে হবে তা কভার করে, এবং উপরের কাজটি একই কারণে কেনাকাটা নিষিদ্ধ করে।

একবার রানের খরচ#

অনুমান করবেন না; ধরে নিন। ধরুন একটি রানে ১৫টি ধাপ লাগে। প্রতিটি ধাপ কাজ, ইতিহাস এবং বর্তমান পৃষ্ঠা পাঠায়: প্রায় 12,000 ইনপুট টোকেন, এবং মডেল প্রায় 600 টোকেনের একটি সংক্ষিপ্ত অ্যাকশন দিয়ে উত্তর দেয়।

প্রতি রানে 15 × 12,000 = 180,000 ইনপুট টোকেন এবং 15 × 600 = 9,000 আউটপুট টোকেন। DeepSeek-V4-Flash-এ সেই রানের খরচ $0.0036, ইনপুট প্রতি 1M টোকেনে $0.015। এখানে ইনপুট আউটপুটের ২০ গুণ, যা ব্রাউজার কাজের জন্য সাধারণ, এবং মোটে একসাথে গণনা করলে দাম এই মডেলের জন্য OpenRouter-এর রেফারেন্সের নিচে।

নিচের টেবিলটি ১৫টি ধাপের জন্য একই প্রতি-ধাপ সংখ্যা ব্যবহার করে, যাতে আপনি প্রতিটি মডেল পাশাপাশি দেখতে পারেন:

তারপর এটি আপনার সময়সূচিতে স্কেল করুন। দিনে একবার তিনটি পৃষ্ঠা চেক করা মানে ৪৫টি ধাপ; স্লাইডারগুলো আপনার নিজের সংখ্যায় টানুন।

তিনটি মডেলে এই গণনার ৫০-ধাপ সংস্করণ agent session cost-এ আছে। আপনি যদি GLM-5.3-Flash পছন্দ করেন (390K কনটেক্সট, সর্বোচ্চ 8,192 আউটপুট টোকেন), তার সারি উপরের টেবিলে আছে; এখানে সংক্ষিপ্ত অ্যাকশন উত্তরগুলো সেই সীমার অনেক নিচে। প্রতিটি মডেলের বর্তমান দাম pricing page-এ আছে।

যদি এটি কাজ না করে#

ত্রুটির টেক্সট দিয়ে শুরু করুন। এই তিনটি সাধারণত সন্দেহভাজন:

শেষটি Browser Use-এর supported-models পৃষ্ঠায় (৮ নভেম্বর ২০২৬-এ যাচাই করা) ছোট Qwen মডেলের জন্য বর্ণিত: তারা ভুল অ্যাকশন স্কিমা ফেরত দিতে পারে। ডকুমেন্টেশনের পরামর্শিত সমাধান হলো প্রম্পটে সঠিক অ্যাকশন ফরম্যাটের উদাহরণ যোগ করা। সেগুলো কাজের টেক্সটে যোগ করুন, উদাহরণস্বরূপ:

Actions are JSON objects like {"navigate": {"url": "https://..."}}.
Always put the url inside the object.

যদি একটি রান বারবার ঘুরতে থাকে, কাজটি সংকীর্ণ করুন: একটি পৃষ্ঠা, একটি প্রশ্ন, এক-লাইনের উত্তর। সংক্ষিপ্ত কাজ কম ধাপে শেষ হয়, এবং কম ধাপই সবচেয়ে সস্তা সমাধান।

পরবর্তী: LangChain with a custom base_url একই base_url ধারণা ব্যবহার করে যদি আপনি ব্রাউজার এজেন্টের চারপাশে নিজের চেইন তৈরি করেন।