安価なモデルで Browser Use:base_url の設定と実行コスト

Browser Use は OpenAI 互換のエンドポイントであればどれでも受け付けるため、CheapTokens に接続するには 3 つの値、base_url、あなたのキー、そして完全なモデル id が必要です。以下は商品ページを開き、価格を読み取って報告する agent.py と、実際の価格での 1 回の実行コストの見積もりです。

ブラウザエージェントは各ステップでページテキストをモデルに再送信するため、見積もりはスケジュールの前に来ます。

インストールして API を指定する#

Browser Use の README(2026 年 11 月 8 日確認)では uv でインストールします。ライブラリは Python 3.11+ が必要で、MIT ライセンスです。ドキュメントのサポートモデルページにはカスタムエンドポイントのパターンが示されています:base_url を指定した ChatOpenAI、続いて Agent(task=..., llm=llm) です。

uv init --python 3.12
uv add browser-use

キーはコード内ではなく、スクリプトの隣の .env ファイルに置いてください:

CHEAPTOKENS_API_KEY=your-key-here

次に 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())

uv run agent.py で実行します。初回実行でブラウザが見つからないとエラーが出る場合は、Browser Use quickstart の手順に従ってインストールしてください(uvx browser-use install、2026 年 11 月 8 日確認)。

このモデルを選ぶ理由:ブラウザ実行は長いページコンテキストを伴う多数の呼び出しになります。DeepSeek-V4-Flash は 380K のコンテキストウィンドウ、回答あたり最大 32,768 出力トークンを持ち、価格は 1 日中いつでも同じです。id は完全な deepseek-ai/DeepSeek-V4-Flash-0731 である必要があります — 価格表の短い名前は API では受け付けられません。他の id と接続の基本は CheapTokens ドキュメント にあります。

エージェントが価格ページで実際に行うこと#

タスクが「このノート PC は今日いくらか」だとします。エージェントはループを実行します:ページテキストを取得し、次に何をするかをモデルに尋ね、ブラウザでアクションを実行し(開く、スクロール、クリック)、新しいページテキストを取得します。モデルが答えを得たと判断するまで繰り返します。

最後の矢印がコストの要因です。商品ページは数千トークンのテキストになることがあり、それが各呼び出しに付いて回ります。11 月 6 日のチャネル投稿では、Browser Use を、オファーを比較して値下げを追跡するショッピングエージェントのブラウザレイヤーとして挙げていました。同じ考え方は、上記のタスクのように 1〜2 ページの毎日のチェックにも当てはまります。

何かをスケジュールする前の注意点:エージェントはページに書かれている内容をそのまま読み、ページにはエージェントを狙った指示が含まれている可能性があります。プロンプトインジェクションのチェックリスト にその対処法がまとまっており、上記のタスクが購入を禁止しているのも同じ理由です。

1 回の実行コスト#

推測せず、仮定しましょう。1 回の実行が 15 ステップかかるとします。各ステップではタスク、履歴、現在のページを送信します:入力は約 12,000 トークン、モデルは約 600 トークンの短いアクションで回答します。

1 回の実行あたり 15 × 12,000 = 180,000 入力トークン、15 × 600 = 9,000 出力トークンです。DeepSeek-V4-Flash では、入力が 1M トークンあたり $0.015 なので、この実行のコストは $0.0036 です。ここでは入力が出力の 20 倍で、これはブラウザ作業では典型的であり、合計で数えると、価格はこのモデルの OpenRouter の参考価格を下回ります。

以下の表は 15 ステップに対して同じステップあたりの数値を使っており、各モデルを並べて比較できます:

次にスケジュールに合わせて拡大してください。3 ページを 1 日 1 回チェックすると 45 ステップです。スライダーを自分の数値に合わせて動かしてください。

3 モデルでのこの計算の 50 ステップ版は エージェントセッションのコスト にあります。GLM-5.3-Flash(390K コンテキスト、最大 8,192 出力トークン)を好む場合、その行は上の表にあります。ここでの短いアクションの回答はその上限を十分に下回ります。すべてのモデルの現在の価格は 価格ページ にあります。

うまくいかない場合#

まずエラーテキストを確認してください。よくあるのは次の 3 つです:

最後のものは、より小さな Qwen モデルについて Browser Use のサポートモデルページ(2026 年 11 月 8 日確認)で説明されています:誤ったアクションスキーマを返すことがあります。ドキュメントが提案する修正は、正しいアクション形式の例をプロンプトに入れることです。タスクテキストに追加してください。例えば:

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

実行が堂々巡りを続ける場合は、タスクをより狭くしてください:1 ページ、1 つの質問、1 行の回答。短いタスクはより少ないステップで終わり、ステップが少ないほど最も安上がりな修正です。

次:カスタム base_url を使った LangChain は、ブラウザエージェントの周りに独自のチェーンを構築する場合に同じ base_url の考え方を使います。