Büyük dil modelleri (LLM) dil anlama ve kod üretme alanında olağanüstü yetenekler sergilerken, yapay zekânın gerçek dünyadaki faydası salt metin üretmenin ötesine geçerek somut eylemler gerçekleştirebilmesine bağlıdır. İş dünyasındaki operasyonların, pazar araştırmalarının ve e-ticaret süreçlerinin büyük bir bölümü web tarayıcıları üzerinde gerçekleşir. Ancak geleneksel web kazıma (web scraping) ve otomasyon scriptleri, hedef sitelerin arayüzü en ufak şekilde değiştiğinde veya dinamik JavaScript bileşenleri devreye girdiğinde hızla kırılır ve sürekli bakım maliyeti yaratır.

Bu yapısal darboğazı çözmek amacıyla açık kaynak ekosisteminde geliştirilen Browser-Use, büyük dil modellerini doğrudan bir web tarayıcısının kontrol koltuğuna oturtan öncü bir yapay zekâ kütüphanesidir (Browser-Use GitHub Repository). Geliştiricilerin doğal dilde verdiği talimatları anlayarak web sitelerinde gezinen, butonlara tıklayan, formları dolduran ve karmaşık iş akışlarını tamamlayan Browser-Use, yapay zekâ ajanlarını salt birer sohbet botu olmaktan çıkarıp aktif operasyon yürütücülerine dönüştürür (Browser-Use Official Platform). Bu rehberde, Browser-Use mimarisini, öne çıkan özelliklerini, kurulum adımlarını ve üretim ortamı güvenlik kurallarını detaylıca inceliyoruz.

📺 Bu konuyu videoda anlattım: Ücretsiz AI Ajanı: DeepSeek ile Hermes Birleştir

h2>Browser-Use Mimarisi Nasıl Çalışır?

Browser-Use, geleneksel test ve otomasyon araçlarından farklı olarak katı CSS veya XPath seçicilerine bağımlı değildir. Bunun yerine, web sayfasının anlık görsel ve anlamsal durumunu analiz eden çok modlu (multimodal) bir algılama ve akıl yürütme döngüsü kullanır.

LLM ile Web Arayüzü Arasındaki Köprü

Browser-Use'un temel motoru, tarayıcı otomasyonunda endüstri standardı haline gelen Playwright altyapısına dayanır (Playwright Documentation). Sistem şu adımları döngüsel olarak tekrarlar:

Sayfa Durumunu Okuma ve DOM Sadeleştirme: Tarayıcı bir sayfayı açtığında gereksiz HTML etiketleri elenir; tıklanabilir butonlar, metin giriş kutuları, linkler ve açılır menüler numaralandırılmış etkileşimli etiketlerle işaretlenir.
Görsel Durum Analizi: Çok modlu (vision-capable) modeller için sayfanın yüksek çözünürlüklü ekran görüntüsü alınarak görsel bağlam ve buton hiyerarşisi çıkarılır.
Akıl Yürütme ve Karar Alma: Dil modeli, verilen hedefi ve mevcut sayfa durumunu değerlendirerek atılacak bir sonraki eyleme (tıklama, metin yazma, sayfayı aşağı kaydırma veya bekleme) karar verir.
Eylemi Yürütme ve Doğrulama: Playwright aracılığıyla ilgili eylem tarayıcıda gerçekleştirilir; ajanın elde ettiği sayfa tepkisi başarı kriterleriyle karşılaştırılır.

Model Bağımsızlığı (LLM Agnostic Mimari)

Browser-Use belirli bir yapay zekâ sağlayıcısına kilitli değildir. Kütüphane; OpenAI (GPT-4o, o1), Anthropic Claude 3.5 Sonnet, Google Gemini 1.5/2.0 ve DeepSeek gibi lider bulut modellerinin yanı sıra Ollama veya vLLM aracılığıyla yerel donanımda koşan açık kaynaklı modellerle (Llama 3, Qwen 2.5) tam uyumlu çalışır. Bu esneklik, hassas müşteri verilerini veya şirket içi kimlik bilgilerini dışarı çıkarmak istemeyen kurumların ajanları tamamen izole yerel ortamlarda çalıştırmasına olanak tanır.

Browser-Use ile Çözülen Temel Otomasyon Senaryoları

Yapay zekâ destekli tarayıcı otomasyonu, önceden API desteği bulunmayan veya karmaşık kimlik doğrulama gerektiren iş süreçlerinde devrim yaratır.

E-Ticaret Fiyat ve Envanter İzleme

Geleneksel botlar dinamik bot koruma sistemlerine takılırken, Browser-Use insan benzeri gezinme ve tıklama refleksleri sergiler. Rakip pazar yerlerindeki ürün fiyatlarını kontrol etme, tedarikçi portallarından stok durumlarını çekme ve faturaları otomatik olarak indirme gibi operasyonlar tek bir komutla tamamlanabilir.

Karmaşık Web Formları ve Veri Girişi

Kurumsal ERP ve CRM sistemlerinde binlerce satırlık tabloları web formlarına aktarmak insan hatasına son derece açıktır. Browser-Use, kaynak verideki alanları web sayfasındaki form etiketleriyle anlamsal olarak eşleştirir, gerekli kutuları işaretler ve işlemi hatasız tamamlar.

Çok Adımlı Araştırma ve Bilgi Toplama

Ajan; Google arama motorundan başlayarak ilgili sektörel makaleleri açabilir, sayfa içeriklerini tarayabilir, indirilen PDF raporlarındaki verileri ayıklayabilir ve elde ettiği bulguları yapılandırılmış JSON veya Markdown formatında sunabilir.

Adım Adım Kurulum ve İlk AI Tarayıcı Ajanı

Python ortamında bir Browser-Use ajanı ayağa kaldırmak oldukça hızlı ve modülerdir.

Adım 1: Python Ortamı ve Paket Kurulumu

Projeniz için temiz bir sanal ortam (virtualenv) oluşturduktan sonra kütüphaneyi ve bağımlılıklarını yükleyin:

pip install browser-use langchain-openai playwright

Adım 2: Playwright Tarayıcı Sürücülerini İndirme

Playwright motorunun Chromium, Firefox ve WebKit tarayıcılarını kontrol edebilmesi için gerekli ikili sürücüleri yükleyin:

playwright install

Adım 3: Temel Ajan Kodunu Yapılandırma

Aşağıdaki Python scripti, verilen görevi tarayıcı açarak otonom şekilde yerine getiren en temel Browser-Use uygulamasını göstermektedir:

import asyncio
from browser_use import Agent
from langchain_openai import ChatOpenAI

async def run_automation():
    # Model yapılandırması
    llm = ChatOpenAI(model="gpt-4o")
    
    # Ajanın gerçekleştireceği hedef görev
    task = "eBay UK sitesine git, en çok satan kablosuz kulaklıkları ara ve ilk 3 ürünün fiyatını listele."
    
    agent = Agent(
        task=task,
        llm=llm
    )
    
    # Görevi başlat ve sonucu yakala
    result = await agent.run()
    print("Ajan Çıktısı:", result)

if __name__ == "__main__":
    asyncio.run(run_automation())

Adım 4: Sonuçları İnceleme ve Çalıştırma

Script çalıştırıldığında Playwright tarayıcıyı otomatik olarak açar, eBay UK ana sayfasına gider, arama çubuğunu tespit ederek metni yazar, filtreleri uygular ve sonuçları toplayarak terminale yazdırır.

Güvenlik, Hata Yönetimi ve Üretim Ortamı İpuçları

Yapay zekâ ajanlarının serbestçe web tarayıcısı kullanmasına izin vermek bazı güvenlik ve maliyet önlemlerini zorunlu kılar.

Sonsuz Döngüleri ve API Maliyetlerini Sınırlandırma

Ajanlar beklenmedik bir web hatasıyla karşılaştıklarında veya açılır pencereler (pop-up) arasında sıkıştıklarında döngüye girerek aşırı token tüketebilir. Bu durumun önüne geçmek için Agent(max_steps=25) parametresiyle maksimum adım sınırı koymak ve bütçe limitleri belirlemek kritiktir.

Çerez (Cookie) ve Kalıcı Oturum Yönetimi

Her çalıştırmada oturum açma zahmetinden kurtulmak ve güvenlik doğrulamalarını aşmak için Browser-Use kalıcı tarayıcı profillerini (persistent browser context) destekler. Önceden giriş yapılmış bir tarayıcı oturumu ajana tanıtılarak iki faktörlü kimlik doğrulama (2FA) gerektiren kurumsal panellere sorunsuzca erişilebilir.

Sık Sorulan Sorular

Browser-Use çalıştırmak için ücretli bir yapay zekâ modeli şart mıdır?

Hayır. GPT-4o veya Claude 3.5 Sonnet gibi gelişmiş bulut modelleri karmaşık arayüzlerde daha yüksek başarı oranı sunsa da, Ollama ve vLLM aracılığıyla yerel bilgisayarınızda çalışan Llama 3 veya Qwen 2.5 modelleriyle de Browser-Use çalıştırılabilir.

Browser-Use geleneksel Selenium veya Puppeteer otomasyonlarından nasıl ayrılır?

Selenium ve Puppeteer geliştiricinin her buton ve girdi için açık kod (CSS selector, XPath) yazmasını gerektirir ve site tasarımı değiştiğinde çöker. Browser-Use ise dil modellerinin görsel ve anlamsal kavrayışını kullanarak siteleri insanlar gibi dinamik olarak anlar ve yönetir (Browser-Use GitHub).

Browser-Use arayüzsüz (headless) sunucularda çalışabilir mi?

Evet. Tarayıcıyı grafik arayüz olmadan arka planda (headless mode) çalıştırabilirsiniz; bu sayede bulut sunucularda veya Docker konteynerlerinde minimum bellek ve CPU tüketimiyle arka plan görevlerini yerine getirebilir.

Browser-Use ile kod yazmadan görsel arayüz üzerinden çalışmak mümkün müdür?

Evet. Topluluk tarafından geliştirilen resmi browser-use/web-ui projesi sayesinde, Gradio tabanlı bir web paneli üzerinden kod yazmadan doğrudan tarayıcı üzerinden görev tanımlanabilir ve ajan canlı izlenebilir (Browser-Use Web-UI GitHub).

Sonuç

Yapay zekânın salt yanıt üreten bir sohbet arayüzü olmaktan çıkıp görevleri yerine getiren aktif bir aktöre dönüştüğü ajanlar çağında, Browser-Use web otomasyonu için devrim niteliğinde bir köprü görevi görmektedir. Kırılgan seçici kodlarına ihtiyaç duymadan, doğal dille yönlendirilen ve çok modlu modellerle desteklenen bu mimari; e-ticaret veri takibinden kurumsal iş akışlarına kadar pek çok alanda verimliliği katlamaktadır. Geliştiricilerin bu teknolojiyi projelerine entegre etmesi, manuel operasyonel yükleri azaltarak yeni nesil otonom sistemlerin önünü açmaktadır.

Kaynaklar

Bu yazıdaki araçlar

Hostinger International — bu iş akışında kullandığım araçlardan.
Bluehost — bu iş akışında kullandığım araçlardan.

Şeffaflık: Yukarıdaki bazı bağlantılar satış ortaklığı (affiliate) bağlantısıdır; bu bağlantılar üzerinden yapacağınız alışverişlerde size ek maliyet olmadan komisyon kazanabilirim.

Etiketler:

browser use web otomasyonu ai ajani

Paylaş: