Browser Use trên một model rẻ: thiết lập base_url và chi phí chạy

Browser Use chấp nhận mọi endpoint tương thích OpenAI, nên để kết nối nó với CheapTokens cần ba giá trị: base_url, khóa của bạn và id model đầy đủ. Dưới đây là một agent.py mở trang sản phẩm, đọc giá và báo cáo lại, kèm ước tính chi phí một lần chạy theo giá hiện hành.

Một browser agent gửi lại văn bản trang cho model ở mỗi bước, nên phần ước tính đứng trước phần lịch chạy.

Cài đặt và trỏ nó vào API#

README của Browser Use (kiểm tra ngày 8 tháng 11 năm 2026) cài đặt bằng uv; thư viện cần Python 3.11+ và có giấy phép MIT. Trang supported-models trong tài liệu cho thấy mẫu cho endpoint tùy chỉnh: ChatOpenAI với một base_url, rồi Agent(task=..., llm=llm).

uv init --python 3.12
uv add browser-use

Đặt khóa trong một tệp .env cạnh script, không bao giờ để trong mã:

CHEAPTOKENS_API_KEY=your-key-here

Sau đó 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())

Chạy bằng uv run agent.py. Nếu lần chạy đầu báo thiếu trình duyệt, hãy cài theo hướng dẫn trong Browser Use quickstart (uvx browser-use install, kiểm tra ngày 8 tháng 11 năm 2026).

Vì sao chọn model này: một lần chạy trình duyệt là nhiều lệnh gọi với ngữ cảnh trang dài. DeepSeek-V4-Flash có cửa sổ ngữ cảnh 380K, tối đa 32.768 token đầu ra mỗi câu trả lời, và một mức giá bất kể giờ nào trong ngày. Id phải là deepseek-ai/DeepSeek-V4-Flash-0731 đầy đủ — API không chấp nhận các tên viết tắt trong bảng giá. Các id khác và những điều cơ bản về kết nối có trong tài liệu CheapTokens.

Agent thực sự làm gì trên một trang giá#

Giả sử nhiệm vụ của bạn là "chiếc laptop này hôm nay giá bao nhiêu". Agent chạy một vòng lặp: nhận văn bản trang, hỏi model làm gì tiếp theo, thực hiện hành động trong trình duyệt (mở, cuộn, nhấp), và nhận lại văn bản trang mới. Nó lặp lại cho đến khi model quyết định đã có câu trả lời.

Mũi tên cuối cùng đó chính là yếu tố tốn kém. Một trang sản phẩm có thể là hàng nghìn token văn bản, và nó đi kèm mỗi lệnh gọi. Một bài đăng kênh ngày 6 tháng 11 liệt kê Browser Use là lớp trình duyệt của một shopping agent so sánh ưu đãi và theo dõi giá giảm; ý tưởng tương tự phù hợp với việc kiểm tra hằng ngày một hoặc hai trang, như trong nhiệm vụ trên.

Một lưu ý trước khi bạn lên lịch bất cứ điều gì: agent đọc bất cứ thứ gì trang nói, và một trang có thể chứa chỉ dẫn nhắm vào agent. Danh sách kiểm tra prompt injection đề cập cách xử lý, và nhiệm vụ trên cấm mua hàng vì lý do tương tự.

Một lần chạy tốn bao nhiêu#

Đừng đoán; hãy giả định. Giả sử một lần chạy mất 15 bước. Mỗi bước gửi nhiệm vụ, lịch sử và trang hiện tại: khoảng 12.000 token đầu vào, và model trả lời bằng một hành động ngắn khoảng 600 token.

15 × 12.000 = 180.000 token đầu vào và 15 × 600 = 9.000 token đầu ra mỗi lần chạy. Trên DeepSeek-V4-Flash, lần chạy đó tốn $0.0036, đầu vào ở mức $0.015 mỗi 1M token. Đầu vào gấp 20 lần đầu ra ở đây, điều thường thấy với công việc trình duyệt, và tính gộp lại, giá thấp hơn mức tham chiếu của OpenRouter cho model này.

Bảng dưới đây dùng cùng các con số mỗi bước cho 15 bước, để bạn thấy từng model cạnh nhau:

Sau đó nhân rộng theo lịch của bạn. Ba trang kiểm tra mỗi ngày một lần là 45 bước; kéo thanh trượt theo con số của riêng bạn.

Phiên bản 50 bước của phép tính này trên ba model có trong chi phí phiên agent. Nếu bạn thích GLM-5.3-Flash (ngữ cảnh 390K, tối đa 8.192 token đầu ra), dòng của nó có trong bảng trên; các câu trả lời hành động ngắn ở đây vừa vặn dưới giới hạn đó. Giá hiện tại của mọi model có trên trang giá.

Nếu nó không chạy#

Bắt đầu với văn bản lỗi. Ba lỗi này là những nghi phạm thường gặp:

Lỗi cuối được mô tả trên trang supported-models của Browser Use (kiểm tra ngày 8 tháng 11 năm 2026) cho các model Qwen nhỏ hơn: chúng có thể trả về sai schema hành động. Cách khắc phục mà tài liệu gợi ý là đưa ví dụ về định dạng hành động đúng vào prompt. Thêm chúng vào văn bản nhiệm vụ, ví dụ:

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

Nếu một lần chạy cứ lặp vòng, hãy thu hẹp nhiệm vụ: một trang, một câu hỏi, câu trả lời một dòng. Nhiệm vụ ngắn kết thúc trong ít bước hơn, và ít bước hơn là cách khắc phục rẻ nhất.

Tiếp theo: LangChain với base_url tùy chỉnh dùng cùng ý tưởng base_url nếu bạn tự xây chuỗi của mình quanh browser agent.