Browser Use su un modello economico: configurazione base_url e costo di esecuzione

Browser Use accetta qualsiasi endpoint compatibile con OpenAI, quindi collegarlo a CheapTokens richiede tre valori: base_url, la tua chiave e l'id completo del modello. Qui sotto trovi un agent.py che apre una pagina prodotto, legge il prezzo e lo riporta, più una stima di quanto costa una singola esecuzione ai prezzi correnti.

Un agente browser reinvia il testo della pagina al modello a ogni passo, quindi la stima viene prima della pianificazione.

Installa e puntalo all'API#

Il README di Browser Use (verificato l'8 novembre 2026) lo installa con uv; la libreria richiede Python 3.11+ ed è distribuita con licenza MIT. La pagina dei modelli supportati nella documentazione mostra il pattern per endpoint personalizzati: ChatOpenAI con un base_url, poi Agent(task=..., llm=llm).

uv init --python 3.12
uv add browser-use

Metti la chiave in un file .env accanto allo script, mai nel codice:

CHEAPTOKENS_API_KEY=your-key-here

Poi 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())

Esegui con uv run agent.py. Se la prima esecuzione segnala un browser mancante, installalo come mostra la quickstart di Browser Use (uvx browser-use install, verificato l'8 novembre 2026).

Perché questo modello: un'esecuzione browser è composta da molte chiamate con un contesto pagina lungo. DeepSeek-V4-Flash ha una finestra di contesto di 380K, fino a 32.768 token di output per risposta e un prezzo unico a qualsiasi ora del giorno. L'id deve essere il deepseek-ai/DeepSeek-V4-Flash-0731 completo — i nomi brevi delle tabelle prezzi non sono accettati dall'API. Altri id e le basi della connessione sono nella documentazione di CheapTokens.

Cosa fa davvero l'agente su una pagina di prezzo#

Supponiamo che il tuo task sia "quanto costa oggi questo portatile". L'agente esegue un ciclo: riceve il testo della pagina, chiede al modello cosa fare dopo, esegue l'azione nel browser (apri, scorri, clicca) e riceve il nuovo testo della pagina. Ripete finché il modello decide di avere la risposta.

È quest'ultima freccia a determinare il costo. Una pagina prodotto può contenere migliaia di token di testo, e viaggia con ogni chiamata. Un post di un canale del 6 novembre citava Browser Use come livello browser di un agente per lo shopping che confronta offerte e monitora cali di prezzo; la stessa idea si adatta a un controllo giornaliero di una o due pagine, come nel task qui sopra.

Un avvertimento prima di pianificare qualsiasi cosa: l'agente legge qualunque cosa dica la pagina, e una pagina può contenere istruzioni rivolte all'agente. La checklist per il prompt injection spiega cosa fare al riguardo, e il task qui sopra vieta gli acquisti per lo stesso motivo.

Quanto costa una singola esecuzione#

Non tirare a indovinare; fai una stima. Supponiamo che un'esecuzione richieda 15 passi. Ogni passo invia il task, la cronologia e la pagina corrente: circa 12.000 token di input, e il modello risponde con un'azione breve di circa 600 token.

15 × 12.000 = 180.000 token di input e 15 × 600 = 9.000 token di output per esecuzione. Su DeepSeek-V4-Flash quell'esecuzione costa $0.0036, con input a $0.015 per 1M di token. Qui l'input è 20 volte l'output, cosa tipica per il lavoro browser, e contando tutto insieme il prezzo è sotto il riferimento di OpenRouter per questo modello.

La tabella qui sotto usa gli stessi numeri per passo su 15 passi, così puoi vedere ogni modello affiancato:

Poi rapportalo alla tua pianificazione. Tre pagine controllate una volta al giorno sono 45 passi; trascina gli slider sui tuoi numeri.

La versione a 50 passi di questo calcolo su tre modelli è in costo di una sessione agente. Se preferisci GLM-5.3-Flash (contesto 390K, fino a 8.192 token di output), la sua riga è nella tabella qui sopra; le risposte brevi di azione qui ci stanno comodamente sotto quel limite. I prezzi correnti di ogni modello sono nella pagina dei prezzi.

Se non funziona#

Parti dal testo dell'errore. Questi tre sono i sospetti abituali:

L'ultimo è descritto nella pagina dei modelli supportati di Browser Use (verificata l'8 novembre 2026) per i modelli Qwen più piccoli: possono restituire uno schema di azione errato. La correzione suggerita dalla documentazione è inserire nel prompt esempi del formato di azione corretto. Aggiungili al testo del task, per esempio:

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

Se un'esecuzione continua a girare in tondo, restringi il task: una pagina, una domanda, risposta da una riga. I task brevi terminano in meno passi, e meno passi è la correzione più economica che esista.

Prossimo: LangChain con un base_url personalizzato usa la stessa idea di base_url se costruisci le tue chain attorno all'agente browser.