Browserbase，2019年成立于美国旧金山，利用人工智能和无头浏览器技术，使开发人员能够自动化处理复杂的网络任务。完成650万美元种子轮融资，投资方为Kleiner Perkins、Basecase Capital和AI Grant。Browserbase 提供与流行的 AI/ML 工具和框架（如 Langchain、LlamaIndex、Crew AI 和 Vercel）的强大集成。它提供 Python 和 Node.js 语言的 SDK。该平台可以自动化公共网站和内部经过身份验证的企业应用程序。
Paul Klein IV，Browserbase创始人。曾是Hawk Hill Ventures天使投资人，曾是Mux自助服务总监和工程经理，曾是Stream Club联合创始人兼CTO，曾是Twilio技术负责人和资深软件工程师。曾就读于旧金山州立大学，获得计算机科学学士学位。
在生成式 AI 掀起的智能代理热潮中，从 LangChain 到 CrewAI，从 LlamaIndex 到 Vercel AI SDK，Browserbase 正逐渐成为开发者工具链中“不可或缺的一环”，它不仅解决了无头浏览器的部署与稳定性痛点，更借助 Stagehand 等创新接口，让 AI 得以真正以人类方式操作网页。换句话说，它不仅让 AI 看懂网页，更教会 AI 如何“做”。
正如硅谷科技评论SVTR.AI 创投库所反复强调的那样，“AI 并不只是需要更强的大脑，它也渴望一双灵巧的手与敏锐的眼。”Browserbase 正是这样一项面向未来的底层设施创新——它并未止步于网页抓取工具的逻辑，而是重塑了“AI 如何使用网页”的范式：为语言模型、RPA 系统、智能体框架等，提供一个可编程、可扩展、可观察的浏览器操作环境。
在本期专访中，Browserbase 创始人 Paul Klein IV 将分享他从 Twilio、Stream Club 到 Mux 的技术旅程，以及这些经验如何汇聚成一条清晰的创业逻辑：在 AI 即将主导下一代应用交互方式的今天，如何为它们构建一个稳定、强大、开发者友好的网页自动化基础设施？
问：Paul，你能分享一下自己的职业背景吗？有哪些经历促使你最终创立了 Browserbase？这些过往经验对现在这家公司的影响体现在哪里？
答： Paul Klein IV： 我的职业道路可以说一直围绕着“让软件更高效地为人服务”这一主题。在创立 Browserbase 之前，我走过了一段丰富的旅程：
我在旧金山州立大学学习计算机科学，本科毕业后正赶上 Twilio 快速发展并准备上市。我有幸在 Twilio 实习并加入团队，赶上了那次 IPO。那段经历非常宝贵——Twilio 作为一家开发者平台公司，让我体会到提供基础服务、赋能众多应用的威力。我努力工作，很快成长为 Twilio 当时最年轻的高级软件工程师和技术主管之一。在 Twilio，我深入参与了通信API的开发和部署，这让我对可扩展的云服务架构和高并发系统有了切身体会。这些技术底蕴后来在 Browserbase 构建云端浏览器基础设施时给了我很大帮助。
离开 Twilio 后，我在 2020 年共同创办了 Stream Club，这是一家希望让用户直接通过浏览器进行高质量直播的初创公司。我们当时的产品允许用户在网页上建立直播工作室并推流，为此我们不得不在云端运行上千个浏览器实例来中继和处理视频流。可以说，Stream Club 让我第一次真正感受到了大规模无头浏览器基础架构的挑战。我和团队花了无数个日夜解决各种棘手问题，比如浏览器的稳定性、性能瓶颈、插件兼容、甚至字体驱动问题。我还记得自己经常熬夜翻阅多年积累的 Stack Overflow 问答，只为攻克一个驱动 bug。这段经历让我意识到：让浏览器自动化大规模运行其实远比想象中困难，而市场上并没有成熟的解决方案来简化这些工作。尽管 Stream Club 后来获得了成功——我们在 2021 年被视频基础设施公司 Mux 收购，但在庆祝成功的同时，我脑海中始终挥之不去的是那些在浏览器自动化上踩过的坑。我深知开发者仍然面临着与我当初一样的困难，这也为 Browserbase 的创立埋下了伏笔。
加入 Mux 之后，我担任了自助服务部门的负责人，帮助 Mux 扩大开发者用户群。Mux 本身是一个为开发者提供视频流API的平台，我在那里进一步学习了如何打造可自助的开发者体验和让复杂技术变得易用。与此同时，我也持续关注浏览器自动化领域的动态。随着近几年 AI 技术（尤其是大语言模型）的爆发，我看到越来越多的 AI 应用也碰到了相同的难题：它们需要一个能稳定运行的浏览器去获取网页数据或执行网页操作，但很多团队不得不从头搭建自己的临时方案，效率低下且不可靠。可以说，在 Twilio、Stream Club 和 Mux 的所见所学共同催化了 Browserbase 的诞生：我看到了市场对可信赖的云浏览器基础设施的迫切需求，而我恰好有相关经验和激情，于是在 2024 年初毅然决定再次创业，打造出 Browserbase。
这些经历对 Browserbase 的影响是深远的。首先，Stream Club 时期的困难让我从一开始就非常重视 Browserbase 产品的稳定性和扩展性。我们在架构上借鉴了我在 Twilio/Mux 经历的大规模分布式系统设计，确保平台能弹性伸缩并提供企业级的可靠性。其次，我在 Mux 学到的“让开发者省心”理念直接影响了 Browserbase 的开发者体验设计——例如，我们提供 Vercel 式的一键部署体验，让用户感觉“就像用 Vercel 部署前端一样简单”来启动云浏览器。我们还提供企业私有部署选项，让那些对数据合规有要求的客户，可以将 Browserbase 部署在自己的防火墙内，掌控全部数据。最后，在组建团队和公司文化上，我也秉承了在大公司和上一次创业时的体会：我们选择在旧金山组建线下团队，希望通过高频的面对面协作打造高凝聚力的团队文化。这虽然在远程办公时代显得有些“传统”，但事实证明这种全情投入、快速迭代的方式，让我们在短时间内打磨出了令人满意的产品。
总之，我的职业历程给了我发现问题和解决问题的视角。Browserbase 正是站在这些前人经验的肩膀上，试图解决我自己以及无数开发者曾经遇到的痛点。看到如今有客户对我说“Browserbase 真的帮了我们大忙”，这是对我多年坚持的一种验证。
问：Browserbase 是什么样的产品？它具备哪些独特的功能，可以如何自动化处理网页任务？
答： Browserbase 可以被看作是“为 AI 打造的网络浏览器基础设施”。简单来说，我们在云端托管并管理无头浏览器（Headless Browser）的运行，开发者可以通过熟悉的浏览器自动化框架（如 Puppeteer、Playwright、Selenium 等）连接并控制这些浏览器。这样，AI 代理就能够像人一样使用浏览器执行操作，而且一切繁重的浏览器维护工作都由我们来处理。
Browserbase 提供了简单的 API 来远程控制浏览器，并配套许多增强功能，使得自动化网页任务更加可靠和强大。例如，我们支持多区域部署来降低延迟——浏览器会在距离用户或AI代理更近的区域运行，从而显著减少操作延迟。我们的基础设施能够按需扩展，一次可靠地运行成百上千个浏览器实例，并保证每个浏览器实例的安全隔离。
Browserbase 平台的特色功能还包括：实时调试和可观测性（通过会话查看器和回放功能，可以完整记录和回放浏览器的操作过程）、代理支持和反检测（内置住宅代理和“隐身模式”，规避反爬虫或自动化检测）、附件处理（文件下载上传管理）以及浏览器扩展支持等等。我们甚至内置了验证码自动解决等高级能力，尽可能减少人工介入。所有这些功能让 Browserbase 在处理复杂网页流程时具有独特的可靠性和便利性。例如，不仅可以抓取页面内容，我们还可以模拟真实用户行为，如点击按钮、填写表单、添加购物车并完成提交等整个端到端网页交互流程。
问：Browserbase 支持哪些开发语言和平台？能否介绍一下你们提供的开发工具和集成功能？
答： Browserbase 非常注重与开发者现有工具链的兼容和集成。我们的云浏览器可以通过多种主流编程语言和框架来使用：JavaScript/TypeScript 和 Python 开发者通常使用 Playwright、Puppeteer 库直接对接我们的服务，而 Java、C# 等语言 可以通过 Selenium 协议来控制 Browserbase 的浏览器。此外，我们提供官方 SDK 和客户端库，使得开发者可以用自己熟悉的语言调用 Browserbase API，管理浏览器会话、执行操作并获取结果。
更值得一提的是，我们构建了一个开源的浏览器自动化开发框架 Stagehand。Stagehand 结合了大型语言模型（LLM）的能力，将自然语言指令翻译为浏览器可执行的代码。这意味着开发者或 AI 代理可以用接近人类描述的方式告诉浏览器要做什么，例如“点击‘登录’按钮并输入用户名密码”，Stagehand 会自动将其转换成浏览器操作步骤。通过 Stagehand，哪怕不直接编写脚本代码，AI 也能自主生成网页交互流程并在 Browserbase 的云浏览器上运行。这一设计让 Browserbase 成为连接 LLM 与真实网页操作的桥梁，让 AI 代理可以更轻松地利用网络完成任务。
除了语言和框架的支持，我们也非常注重与新兴的 AI 平台集成。比如，Browserbase 已与 LangChain 和 LlamaIndex 等开源框架结合，为 AI 应用提供网页内容访问能力：在 LangChain 中，我们的 BrowserbaseLoader 可以加载网页的文本或截图，让LLM能获取最新的网页数据；在 LlamaIndex 中，我们提供类似的 BrowserbaseWebReader，方便将网页数据引入知识库。我们还与 CrewAI 这类多代理编排平台合作，作为其中的浏览器工具使用；与 Vercel AI SDK 集成，使开发者可以在 Vercel 无服务器环境中方便地调用 Browserbase 完成浏览器任务。这些集成使 Browserbase 成为许多 AI 应用的基础设施组件——不论是在数据检索场景，为LLM提供最新网页内容；还是在多步骤任务中，让AI代理能实地操作网页完成目标，Browserbase 都能无缝融入开发者的技术栈中。
问：这样强大的浏览器自动化可以应用在哪些场景？Browserbase 目前典型的使用案例有哪些？
答： 我们看到 Browserbase 被运用在非常广泛的领域，其中既有传统的需求，也有随着 AI 浪潮出现的新兴场景。
网页数据抓取与监测： 许多用户利用 Browserbase 来抓取动态网页数据，尤其是需要执行登录、下拉、点击等操作才能获取的信息。这比传统爬虫只能抓静态HTML更进一步。例如电商价格跟踪、社交媒体信息采集等，通过Browserbase的无头浏览器，可以稳定地获取需要的内容，并规避很多反爬措施。
网页端自动化测试： 开发和测试团队可以用 Browserbase 来进行大规模的 UI 自动化测试。以往团队需要维护自己的浏览器集群跑 Selenium/WebDriver 脚本，现在可以把这些测试浏览器托管给 Browserbase 云端运行。配合我们的会话录像和调试工具，QA 人员能够方便地回放测试步骤、观察每次测试中的页面情况。在持续集成中，这减少了“本地测试通过但线上失败”的问题，因为 Browserbase 提供了一致的云端浏览器环境。
RPA（机器人流程自动化）： 这是一个重要领域。不少企业内部有旧系统或第三方网站没有提供API，只能通过网页界面操作。Browserbase 让企业可以用脚本或AI来驱动这些网页界面，完成诸如在多个系统之间搬运数据、定期填报报表、处理发票等繁琐任务，相当于赋予AI一双可以点网页的“手”。我们有客户将 Browserbase 集成到内部工作流中，实现真正的无人值守操作，极大提高了效率。
AI 智能代理： 随着大语言模型的发展，一批“AI Agent”应用正在兴起，它们需要自主在互联网上行动。Browserbase 正是这些 AI 代理的“浏览器大脑”。开发者利用我们的平台，构建如智能购物助理（自动帮用户比较下单）、自动化研究分析助手（在多个网站搜索资料并汇总）等。因为 Browserbase 可与LangChain、CrewAI等AI编排框架集成，所以许多开发者把我们当作 AI 代理与外部世界交互的最后一公里接口：AI 可以通过 Browserbase “看到”网页、点击页面元素并执行真实的操作。正如 AI 研究者 Karpathy 提出的类比：LLM 是“大脑”，向量数据库是“记忆”，而浏览器就是 AI 的“眼睛和双手”。Browserbase 正是要让AI的这双手更灵巧可靠。
总的来说，我们的定位不仅仅是让 AI 读取网页内容，而是让 AI 能像人一样使用网页完成任务。这与传统仅做数据抓取的工具有本质区别。无论是在公共网站上自动下单，还是在内部系统上执行复杂业务流程，我们都希望 Browserbase 成为开发者和企业的利器，帮助他们解放人力、提升效率。
问：目前业界也涌现了不少类似方向的产品，例如 Browser Use、Zeta Labs（JACE）、Induced AI、Island 企业浏览器，以及 The Browser Company 的 Arc 浏览器等。相比之下，Browserbase 的定位有何差异？你们的优势体现在哪些方面？
答： 这是一个很好的问题。虽然大家都在讨论“AI+浏览器”或“自动化网页”这个大方向，但其实各家的切入点和技术路线差别很大。Browserbase 的定位和优势主要体现在全面的浏览器能力和作为基础设施的平台属性，这让我们与几类竞品有所区别：
Browser Use
这是一个近期比较受关注的开源项目。它的思路是将网页的元素和按钮等视觉界面转换成可读的文本格式，方便 LLM 等 AI 模型解析决策。简单说，Browser Use 等于给网页加了一个“文本层”，让 AI 可以像读文档一样“读”网页，然后发出点击某个文本按钮的指令。它的好处是减少了对计算机视觉的依赖，很多基于截图的解析不稳定问题可以避免。但是，这种方法也意味着 AI 看到的是经过抽象的网页描述，而不是真正操作浏览器。相比之下，Browserbase 仍然是驱动真实的浏览器在运行，只是在接口层面帮AI简化了操作。我们的 AI 代理是真正去“点”按钮、“填”表单的，所以对一些复杂的交互、更严格的反自动化网站而言，可靠性会更高。同时，Browser Use 目前主要是一个开发库，需要用户自己部署运行；而 Browserbase 提供的是云端托管服务，开发者不必操心浏览器实例的稳定和扩容问题。
在我看来，Browser Use 更像是一个侧重AI研究和开源社区的方案，而 Browserbase 立足于为有实际生产需求的应用提供商业级别的浏览器自动化基础设施。当然，这两者也不是完全冲突的，我们甚至计划与这类工具结合，比如未来 AI 决策可以用 Browser Use 的抽象，但具体执行由 Browserbase 完成。
Zeta Labs 的 JACE
Zeta Labs 开发的 JACE 可以说走的是另一条路——它本身是一个自治 AI 助理产品。他们训练了自己的大型模型（称为 AWA-1），让 JACE 具备长时间运行、处理复杂网页任务的能力。据报道，JACE 能控制浏览器执行像人一样的操作，甚至可以连续工作数小时去完成建立一个新公司的全部流程，这非常令人惊叹。JACE 的定位更像是一个成品 AI 员工，直接面向企业/用户提供服务。而 Browserbase 则是底层平台：我们为许多构建AI代理的团队提供浏览器支持，赋能他们去打造各自领域的 JACE。例如，有团队用 Browserbase 来开发自己的财务自动化助手或人力资源招聘助手。在这种情况下，Browserbase 就像“发动机”，而不同的AI代理是各种车型。我们并不直接跟最终用户提供一个万能代理，而是让无数专业领域的AI应用站在我们的肩膀上快速开发。
另一方面，JACE 使用的是它自研的模型，这在特定任务上可能很有优势，但对开发者来说灵活度有限；Browserbase 则模型无关，OpenAI、Anthropic 甚至开源模型都能用在我们的框架上，这使我们的平台应用范围更广。此外，Zeta Labs 当前的产品更多是演示和概念验证阶段，商业化模式还在探索。而 Browserbase 已经推出了面向开发者的自助服务和定价方案，从小型团队到大型企业都有对应的计划。
总体而言，Zeta Labs 是在打造一个垂直整合的AI代理，而我们是提供横向通用的AI浏览器云服务，两者在生态位置上有所不同。
Induced AI
Induced 可以被看做新一代的 RPA（机器人流程自动化）平台。他们最大的特点是允许用户用纯英文描述工作流程，平台会实时将其转成伪代码并执行。技术上，Induced 也是在云端启动 Chromium 浏览器实例，通过解析屏幕内容、模拟用户操作来完成任务。听起来和我们有些相似，但 Induced 强调的是一个端到端解决方案：非技术人员也可以描述需求，让AI去完成整个业务流程，中间可能有人类审核步骤，然后自动继续。可以说，Induced 更聚焦在无代码、面向业务用户的流程自动化，用AI理解人的意图。相比之下，Browserbase 目前还是面向开发者的。我们的客户往往是工程师，他们用 Browserbase 的 API 和 SDK 构建更大规模的自动化系统或集成到自己的产品中。所以 Browserbase 提供的灵活性更高——开发者可以自由定制逻辑、与数据库等系统交互，而 Induced 提供的是一个高度抽象的平台，用户自己无法微调底层执行过程。
另一个区别在于架构上：Induced 声称重新设计了一个专门给 AI 用的浏览器环境，带有独立的内存、文件系统和凭证管理，可以自动处理多账号登录、二步验证等复杂流程。这很有创新性。不过，Browserbase 通过配套的 Stagehand 和我们对无头浏览器的深度改造，也实现了复杂场景下的高成功率。例如，登录带验证码、多步骤表单这些，我们的方案也可以通过模型解析和自动填充来解决。换言之，我们在开放性和稳健性上做了平衡：既让开发者有完全的控制，又尽量提供现成的高级能力帮助他们快速实现需求。当然，Induced 得到了像 Sam Altman 这样的投资人支持，说明市场对浏览器自动化的关注度很高。但在商业层面，我们已经有不少实际客户案例，而 Induced 还处于早期测试和打磨阶段。
因此，我认为 Browserbase 的优势在于成熟的基础设施和开发者友好，它可以成为其他创新自动化方案的“引擎室”，而不是直接与之正面竞争。
Island 企业浏览器
Island 走的是完全不同的方向。它不是为 AI 或自动化设计的，而是面向企业IT和安全需求，推出了一款定制的安全浏览器。Island 的理念是：把传统浏览器从个人消费软件升级为企业的工作空间，将安全管控直接做到浏览器层。使用 Island 浏览器，企业可以精细控制员工在浏览器上的行为，例如限制敏感数据拷贝、阻止截屏、记录关键操作日志等。可以说，Island 是站在网络安全和IT治理的角度在做浏览器，它更关注人如何安全地用浏览器。而 Browserbase 关注的是AI如何使用浏览器来工作。我们的浏览器通常是无人值守的 AI 用户，而 Island 的浏览器是给人用的并确保人不犯错或不违规。所以两者在功能和目标上几乎没有直接重叠：企业甚至可以同时使用 Island 来保障员工使用浏览器的安全，同时用 Browserbase 来驱动AI完成某些自动化任务。另一个区别是商业模式：Island 作为企业浏览器，采用的是传统软件订阅和大客户销售的路线（它融资和估值都很高，说明很多大型企业买单这个思路），而 Browserbase 则提供云服务按需付费，更贴近开发者生态的习惯。
所以我更愿意把 Island 看作浏览器行业横向的拓展，而不是真正在我们赛道上的竞争对手。
The Browser Company 的 Arc 浏览器
Arc 是近年出现的一款面向个人用户的创新浏览器，它以极佳的用户体验和新颖的界面闻名，在硅谷的极客圈拥有一批忠实粉丝。Arc 本身不是为自动化设计的，但他们也开始引入 AI 功能，例如最近 Arc 推出了一个“捏一捏”的手势操作，用户可以通过这个手势让浏览器自动生成当前页面内容的摘要。这体现了 Arc 在尝试把AI用在提升用户浏览体验上，比如更快地获取信息、组织标签等。而据我所知，The Browser Company 还在研发下一代更智能的浏览器（代号 Dia），号称会是一个以人工智能为中心、更主动强大的浏览器，甚至被比作“浏览器中的 iPhone”。可见他们的愿景是让浏览器本身变得更聪明，主动为用户服务。不过需要强调的是，Arc和Dia都是终端用户产品，重点在人机交互体验上；Browserbase 则是面向开发者的基础设施，我们并不直接提供一个给人用的浏览器应用，而是让其他应用去嵌入或驱动浏览器。
所以，如果说 Arc 是希望重新定义你我每天用的浏览器，那么 Browserbase 则是在重塑 AI 用的浏览器。这两条路未来或许会在某些点上相遇（比如都关心AI对于网页的理解和利用），但在商业定位和产品形态上还是有本质区别的。
总结来说，Browserbase 的差异化定位在于：我们专注做“幕后英雄”，提供强大可靠的网页自动化引擎，帮助各种AI应用和自动化方案落地。我们不像某些工具那样只解决获取网页文本的问题，而是着眼于完整的网页操作流程自动化；我们也不像某些创业公司那样打造一个直接面向终端用户的AI代理，而是服务于无数开发者，成为他们构建AI代理的底层支撑。我们的潜在优势在于通用性和灵活性：无论你是要做数据采集、流程自动化，还是开发下一个革命性的AI Agent，都可以把 Browserbase 当作底座。而我们经过实践检验的基础设施和对开发者需求的深刻理解，使我们有信心在这个迅速发展的领域中保持领先，为客户创造真正的价值。