Browser Use na tanim modelu: konfiguracja base_url i koszt uruchomienia

Browser Use akceptuje dowolny endpoint zgodny z OpenAI, więc podłączenie go do CheapTokens wymaga trzech wartości: base_url, twojego klucza i pełnego identyfikatora modelu. Poniżej znajduje się agent.py, który otwiera stronę produktu, odczytuje cenę i raportuje ją, a także szacunek kosztu jednego uruchomienia na podstawie aktualnych cen.

Agent przeglądarki przy każdym kroku ponownie wysyła tekst strony do modelu, więc szacunek pojawia się przed harmonogramem.

Instalacja i wskazanie API#

README Browser Use (sprawdzone 8 listopada 2026) instaluje go poleceniem uv; biblioteka wymaga Pythona 3.11+ i jest na licencji MIT. Strona obsługiwanych modeli w dokumentacji pokazuje wzorzec dla niestandardowych endpointów: ChatOpenAI z base_url, a następnie Agent(task=..., llm=llm).

uv init --python 3.12
uv add browser-use

Klucz umieść w pliku .env obok skryptu, nigdy w kodzie:

CHEAPTOKENS_API_KEY=your-key-here

Następnie 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())

Uruchom go poleceniem uv run agent.py. Jeśli pierwsze uruchomienie zgłosi brak przeglądarki, zainstaluj ją zgodnie z Browser Use quickstart (uvx browser-use install, sprawdzone 8 listopada 2026).

Dlaczego ten model: uruchomienie przeglądarki to wiele wywołań z długim kontekstem strony. DeepSeek-V4-Flash ma okno kontekstu 380K, do 32 768 tokenów wyjściowych na odpowiedź i jedną cenę o każdej porze dnia. Identyfikator musi być pełnym deepseek-ai/DeepSeek-V4-Flash-0731 — krótkie nazwy z tabel cen nie są akceptowane przez API. Inne identyfikatory i podstawy połączenia są w dokumentacji CheapTokens.

Co agent faktycznie robi na stronie z ceną#

Załóżmy, że twoje zadanie to „ile dziś kosztuje ten laptop”. Agent wykonuje pętlę: pobiera tekst strony, pyta model, co zrobić dalej, wykonuje akcję w przeglądarce (otwórz, przewiń, kliknij) i otrzymuje nowy tekst strony. Powtarza to, aż model uzna, że ma odpowiedź.

Ta ostatnia strzałka to główny czynnik kosztu. Strona produktu może mieć tysiące tokenów tekstu i jest wysyłana przy każdym wywołaniu. Wpis na kanale z 6 listopada wymieniał Browser Use jako warstwę przeglądarki agenta zakupowego, który porównuje oferty i śledzi spadki cen; ten sam pomysł pasuje do codziennego sprawdzania jednej lub dwóch stron, jak w zadaniu powyżej.

Jedno ostrzeżenie, zanim cokolwiek zaplanujesz: agent czyta wszystko, co mówi strona, a strona może zawierać instrukcje skierowane do agenta. Lista kontrolna prompt injection opisuje, co z tym zrobić, a powyższe zadanie z tego samego powodu zabrania kupowania.

Ile kosztuje jedno uruchomienie#

Nie zgaduj; przyjmij założenie. Powiedzmy, że uruchomienie zajmuje 15 kroków. Każdy krok wysyła zadanie, historię i bieżącą stronę: około 12 000 tokenów wejściowych, a model odpowiada krótką akcją o długości około 600 tokenów.

15 × 12 000 = 180 000 tokenów wejściowych i 15 × 600 = 9 000 tokenów wyjściowych na uruchomienie. Na DeepSeek-V4-Flash to uruchomienie kosztuje $0.0036, przy wejściu po $0.015 za 1M tokenów. Wejście to tutaj 20 razy więcej niż wyjście, co jest typowe dla pracy w przeglądarce, a licząc razem w sumie, cena jest poniżej referencji OpenRouter dla tego modelu.

Poniższa tabela używa tych samych liczb na krok dla 15 kroków, więc możesz zobaczyć każdy model obok siebie:

Następnie przeskaluj to do swojego harmonogramu. Trzy strony sprawdzane raz dziennie to 45 kroków; przeciągnij suwaki do własnych liczb.

Wersja tej arytmetyki dla 50 kroków na trzech modelach jest w koszt sesji agenta. Jeśli wolisz GLM-5.3-Flash (kontekst 390K, do 8 192 tokenów wyjściowych), jego wiersz jest w tabeli powyżej; krótkie odpowiedzi z akcjami mieszczą się tutaj dobrze poniżej tego limitu. Aktualne ceny każdego modelu są na stronie cen.

Jeśli nie działa#

Zacznij od tekstu błędu. Te trzy to zwykli podejrzani:

Ostatni przypadek jest opisany na stronie obsługiwanych modeli Browser Use (sprawdzone 8 listopada 2026) dla mniejszych modeli Qwen: mogą zwracać niewłaściwy schemat akcji. Poprawka sugerowana w dokumentacji to umieszczenie w prompcie przykładów poprawnego formatu akcji. Dodaj je do tekstu zadania, na przykład:

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

Jeśli uruchomienie kręci się w kółko, zawęź zadanie: jedna strona, jedno pytanie, odpowiedź w jednej linii. Krótkie zadania kończą się w mniejszej liczbie kroków, a mniej kroków to najtańsza poprawka, jaka istnieje.

Dalej: LangChain z niestandardowym base_url używa tego samego pomysłu base_url, jeśli budujesz własne łańcuchy wokół agenta przeglądarki.