Browser Use anlattı: Tarayıcı ajanı nedir, nasıl çalışır ve ne zaman kullanılmalı?

Açık kaynak tarayıcı otomasyon kütüphanesiyle bilinen Browser Use, 18 Ekim’de “What Is a Browser Agent? How It Works and When to Use One” başlıklı bir rehber yayımladı. Nik Tomazic imzalı yazı, tarayıcı ajanlarının nasıl çalıştığını, hangi işlerde kullanıldığını ve nerede başarısız olduğunu anlatıyor. Browser Use’un tanımına göre tarayıcı ajanı, bir hedefe ulaşmak için web tarayıcısını yapay zekâ modeliyle kullanan yazılımdır: görevi siz tarif edersiniz, ajan sayfayı açar, gezinir, eylemleri seçer ve devam etmeden önce sonucu kontrol eder.

Temelde bir döngü

Browser Use’a göre tarayıcı ajanı “temelde süslü bir döngü”. Ajan sayfayı açar, gözlemler, bir eylem seçer, uygular ve sonucu kontrol eder; hedefe ulaşana kadar bu adımları tekrarlar. Bazı görevlerde insan müdahalesi gerekir; örneğin ajan, oturum açmanız, eksik bir bilgiyi vermeniz ya da bir eylemi onaylamanız için durabilir. Rehber, ajanı çalıştıran altyapının belirli bir süre, adım ya da maliyet sınırına ulaşıldığında çalışmayı durdurması gerektiğini de vurguluyor.

Model, harness ve tarayıcı

Rehbere göre tipik bir tarayıcı ajanı üç bileşenden oluşuyor:

• Model: Göreve ve mevcut sayfaya bakarak bir sonraki adıma karar verir.
• Harness: Döngüyü sürdürür; modele bağlamı verir, istediği araçları çalıştırır ve sonuçları geri iletir.
• Tarayıcı: Siteleri yükler; sekmeleri, çerezleri ve oturum durumunu tutar. Genellikle Chrome DevTools Protocol (CDP) veya WebDriver BiDi gibi bir protokolle kontrol edilir.

Ajanlar tarayıcı araçlarına bir Model Context Protocol (MCP) sunucusu üzerinden de erişebiliyor; Browser Use örnek olarak Playwright’ı araçlar hâlinde sunan Playwright MCP’yi veriyor. Sunucu tarafındaki iş akışlarında tarayıcılar çoğunlukla görünür pencere olmadan, headless modda çalışıyor ama sayfaları yine işleyip model için ekran görüntüsü alabiliyor.

Ajan sayfayı nasıl okuyor?

Rehberde iki yaygın yöntem anlatılıyor ve ajanın ikisini birden kullanabileceği belirtiliyor. Yapılandırılmış veride araçlar sayfanın DOM’unu (Belge Nesne Modeli) ya da erişilebilirlik ağacını okuyor; böylece model, “Ara” adlı bir düğmeyi görüntüdeki konumunu tahmin etmeden tanıyabiliyor. Ekran görüntüsü yönteminde ise görsel yeteneği olan bir model işlenmiş sayfayı okuyup tıklanacak koordinatları seçiyor; bu, canvas tabanlı arayüzler gibi yapısal etiketi olmayan içerikte işe yarıyor ama küçük kontrollerde hassas tıklamayı zorlaştırabiliyor. Her iki durumda da sayfa değiştikten sonra ajanın yeni bir gözlem yapması gerekiyor.

Ajan mı, betik mi, API mi?

Browser Use’un önerisi net: Görevi destekleyen bir API varsa API kullanılmalı. Uygun API yoksa ve iş akışı öngörülebilirse (örneğin her pazartesi aynı raporu indirmek) Playwright, Selenium veya Puppeteer ile yazılmış bir betik daha uygun. Adımların önceden tanımlanamadığı, öngörülemeyen iş akışlarında ise ajan devreye giriyor; ancak sonuçlar ve model maliyetleri değişkenlik gösterebiliyor. Rehber, betiklerin ve API’lerin deterministik, ajan kararlarının ise olasılıksal olduğunu ve aynı görevin farklı yollardan ilerleyebileceğini hatırlatıyor.

Browser Use Cloud’da en çok ne çalıştırılıyor?

Şirket, 18 Ekim 2026’da kontrol edilen ve V2, V3 ve V4 ajanlarını kapsayan Browser Use Cloud kullanım verisinden yuvarlanmış paylar da paylaştı: oturum açma adımlarını geçmek çalıştırmaların yüzde 18’ini, yapılandırılmış veri çıkarmak yüzde 14’ünü, açık uçlu araştırma ve iş başvurusu yüzde 6’şarını, dosya ve rapor bulmak yüzde 5’ini, rezervasyon ve satın alma yüzde 3’ünü oluşturuyor. Çalıştırmaların yüzde 15’i sınıflandırılmamış. Browser Use, bu rakamların başarı oranını değil, insanların ne çalıştırdığını gösterdiğini özellikle belirtiyor.

Sınırlar: engeller, hatalı sonuçlar ve prompt injection

Rehber ajanların zayıf noktalarını da sıralıyor. Siteler bot yönetim sistemleri ve hız sınırlarıyla otomatik trafiği engelleyebiliyor; oturumların süresi doluyor ve çok faktörlü doğrulama insan girdisi gerektirebiliyor. Ajan yanlış ürünü seçebilir, zorunlu bir alanı atlayabilir ya da formu kaydetmeden işi bitti sayabilir; hatasız biten bir çalışma görevin başarıldığı anlamına gelmiyor ve tekrar denemek mükerrer sipariş ya da başvuru yaratabiliyor. Sayfalara gömülü talimatlarla ajanı görevden saptırmaya çalışan prompt injection için Browser Use, sayfa içeriğinin güvenilmez girdi olarak ele alınmasını, ajanın erişebildiği hesap ve eylemlerin sınırlandırılmasını ve hassas eylemler için onay zorunluluğu konmasını öneriyor; bu önlemlerin riski azalttığını ama ortadan kaldırmadığını da ekliyor. Maliyetin öngörülemezliği için ise tüm denemeler dahil toplam harcamanın doğrulanmış başarılı görev sayısına bölünmesini tavsiye ediyor.

Başlangıç için önerilen yol, fiyat toplamak gibi salt okunur tek bir görevle başlamak, ajanın gidebileceği sayfaları, döndüreceği alanları ve başarı ölçütünü tanımlamak ve önceden süre, adım ya da maliyet sınırı koymak. Sonuçlar kaynak sayfalarla karşılaştırılmalı; daha fazla site ve göreve ancak ajanın nerede yardıma ihtiyaç duyduğu anlaşıldıktan sonra geçilmeli.

Kaynak: Browser Use: What Is a Browser Agent? How It Works and When to Use One