سستے model پر Browser Use: base_url setup اور run cost

Browser Use کسی بھی OpenAI-compatible endpoint کو قبول کرتا ہے، لہٰذا اسے CheapTokens سے جوڑنے کے لیے تین چیزیں درکار ہیں: base_url، آپ کی key اور مکمل model id۔ نیچے ایک agent.py ہے جو ایک product page کھولتا ہے، قیمت پڑھتا ہے اور اس کی رپورٹ دیتا ہے، ساتھ ہی live prices پر ایک run کی لاگت کا تخمینہ بھی۔

ایک browser agent ہر step پر page text دوبارہ model کو بھیجتا ہے، اس لیے تخمینہ schedule سے پہلے آتا ہے۔

Install کریں اور اسے API کی طرف point کریں#

Browser Use کا README (8 نومبر 2026 کو چیک کیا گیا) اسے uv سے install کرتا ہے؛ library کے لیے Python 3.11+ درکار ہے اور یہ MIT-licensed ہے۔ docs کا supported-models صفحہ custom endpoints کا pattern دکھاتا ہے: ChatOpenAI ایک base_url کے ساتھ، پھر Agent(task=..., llm=llm)۔

uv init --python 3.12
uv add browser-use

key کو script کے ساتھ ایک .env فائل میں رکھیں، کبھی code میں نہیں:

CHEAPTOKENS_API_KEY=your-key-here

پھر 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())

اسے uv run agent.py سے چلائیں۔ اگر پہلا run missing browser کی شکایت کرے تو اسے install کریں جیسا کہ Browser Use quickstart دکھاتا ہے (uvx browser-use install، 8 نومبر 2026 کو چیک کیا گیا)۔

یہ model کیوں: browser run بہت سی calls ہیں جن میں طویل page context ہوتا ہے۔ DeepSeek-V4-Flash کا context window 380K ہے، فی جواب زیادہ سے زیادہ 32,768 output tokens، اور دن کے کسی بھی وقت ایک ہی قیمت۔ id مکمل deepseek-ai/DeepSeek-V4-Flash-0731 ہونی چاہیے — price tables کے مختصر نام API قبول نہیں کرتا۔ دیگر ids اور connection کی بنیادی باتیں CheapTokens docs میں ہیں۔

price page پر agent اصل میں کیا کرتا ہے#

فرض کریں آپ کا task ہے "یہ laptop آج کتنے کا ہے"۔ agent ایک loop چلاتا ہے: page text حاصل کرتا ہے، model سے پوچھتا ہے کہ آگے کیا کرنا ہے، browser میں action انجام دیتا ہے (open، scroll، click)، اور نیا page text واپس حاصل کرتا ہے۔ یہ اس وقت تک دہراتا ہے جب تک model فیصلہ نہ کرے کہ جواب مل گیا ہے۔

آخری arrow ہی cost driver ہے۔ ایک product page ہزاروں tokens کا text ہو سکتا ہے، اور یہ ہر call کے ساتھ جاتا ہے۔ 6 نومبر کی ایک channel post نے Browser Use کو ایک shopping agent کی browser layer کے طور پر درج کیا جو offers کا موازنہ کرتا ہے اور price drops track کرتا ہے؛ یہی idea ایک یا دو pages کی روزانہ جانچ پر بھی لاگو ہوتا ہے، جیسا کہ اوپر کے task میں۔

کچھ schedule کرنے سے پہلے ایک انتباہ: agent وہی پڑھتا ہے جو page کہتا ہے، اور page میں agent کے لیے ہدایات ہو سکتی ہیں۔ prompt injection checklist بتاتی ہے کہ اس بارے میں کیا کرنا ہے، اور اوپر کا task اسی وجہ سے خریداری سے منع کرتا ہے۔

ایک run کی لاگت#

اندازہ نہ لگائیں؛ فرض کریں۔ کہیں ایک run میں 15 steps لگتے ہیں۔ ہر step task، history اور موجودہ page بھیجتا ہے: تقریباً 12,000 input tokens، اور model تقریباً 600 tokens کے مختصر action کے ساتھ جواب دیتا ہے۔

15 × 12,000 = 180,000 input tokens اور 15 × 600 = 9,000 output tokens فی run۔ DeepSeek-V4-Flash پر اس run کی لاگت $0.0036 ہے، input $0.015 فی 1M tokens۔ یہاں input output سے 20 گنا ہے، جو browser کام کے لیے عام ہے، اور مجموعی طور پر شمار کرنے پر قیمت اس model کے لیے OpenRouter کے reference سے کم ہے۔

نیچے کا table 15 steps کے لیے وہی per-step اعداد استعمال کرتا ہے، تاکہ آپ ہر model کو ساتھ ساتھ دیکھ سکیں:

پھر اسے اپنے schedule پر scale کریں۔ تین pages روزانہ ایک بار چیک کرنا 45 steps ہے؛ sliders کو اپنے اعداد پر drag کریں۔

تین models پر اس حساب کا 50-step ورژن agent session cost میں ہے۔ اگر آپ GLM-5.3-Flash (390K context، زیادہ سے زیادہ 8,192 output tokens) ترجیح دیتے ہیں تو اس کی row اوپر کے table میں ہے؛ یہاں کے مختصر action جوابات اس حد سے کافی کم ہیں۔ ہر model کی موجودہ قیمتیں pricing page پر ہیں۔

اگر یہ کام نہ کرے#

error text سے شروع کریں۔ یہ تین عام suspects ہیں:

آخری والا Browser Use کے supported-models صفحے (8 نومبر 2026 کو چیک کیا گیا) پر چھوٹے Qwen models کے لیے بیان کیا گیا ہے: وہ غلط action schema واپس کر سکتے ہیں۔ docs جو حل تجویز کرتے ہیں وہ یہ ہے کہ prompt میں درست action format کی مثالیں ڈالی جائیں۔ انہیں task text میں شامل کریں، مثلاً:

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

اگر کوئی run گول گول چلتا رہے تو task کو مزید محدود کریں: ایک page، ایک سوال، one-line جواب۔ مختصر tasks کم steps میں مکمل ہوتے ہیں، اور کم steps سب سے سستا حل ہے۔

اگلا: LangChain with a custom base_url وہی base_url idea استعمال کرتا ہے اگر آپ browser agent کے گرد اپنی chains بناتے ہیں۔