Mới đây trên Twitter, anh dev Akshay Pachaar đã tung một thread siêu xịn về dự án mới toanh: tạo ra một "trợ lý lướt web" (browser-use agent) dùng toàn đồ open-source, giúp AI tương tác với các trang web y như con người. Nghe thôi đã thấy ngầu rồi, đúng không? Nhưng không chỉ là ngầu, dự án này còn mở ra một cánh cửa mới cho AI, giúp nó "lướt" web mượt mà hơn và làm được nhiều thứ hay ho hơn.

Thread bắt đầu với một lời kêu gọi cực chill: "Làm một con trợ lý lướt web đi, kiểu như OpenAI operator, nhưng xài đồ open-source nha." Nghe là thấy vibe cộng đồng rồi, kiểu "anh em ơi, cùng nhau làm cái gì đó đỉnh đi". Dự án này xài một tech stack khá xịn: @Gradio để làm giao diện người dùng, @browser_use để tạo agent, và "viên ngọc quý" mới nhất của Google - gemini-2.0-flash-exp làm mô hình ngôn ngữ (LLM)

Akshay giải thích thêm về khái niệm "browser use", kiểu như dạy AI cách lướt web như con người. Anh còn show luôn một demo nhỏ, giao diện được build bằng Gradio, nhìn là thấy dễ xài, thân thiện với người dùng Cái này quan trọng lắm nha, vì nó giúp mấy dev mới vào nghề cũng có thể thử sức với việc tạo AI agent mà không bị "ngợp".

Cài đặt và setup thì siêu đơn giản, chỉ cần dùng pip để cài mấy thứ như browser-use và playwright là xong Môi trường này toàn Python-based, nên mấy bạn dev quen Python là vào phát chiến luôn. Cái sự "dễ như ăn kẹo" này đúng là điểm cộng to đùng, vì nó khuyến khích nhiều người thử nghiệm hơn.

Một điểm sáng chói khác của dự án browser-use là nó hỗ trợ nhiều LLM thông qua LangChainAI. Đặc biệt, còn có cả mấy model hỗ trợ vision, giúp AI xử lý và tương tác với nội dung hình ảnh trên web Ngoài ra, tích hợp được mấy model như Qwen 2.5 hay DeepSeek-R1 qua Ollama nữa, nên ứng dụng của con trợ lý này đúng là "vô biên".

Định nghĩa một agent trong framework này thì dễ không tưởng, chỉ cần vài dòng code là xong Cái này đúng kiểu "game-changer", vì nó giúp mấy bạn dev không cần phải là "pro coder" cũng có thể tạo ra mấy con AI agent xịn sò. Thread còn nhấn mạnh là khi LLM đã sẵn sàng, việc thực thi task sẽ mượt mà như lướt sóng

Giai đoạn cuối của dự án là tạo giao diện người dùng (UI) để nâng cao trải nghiệm. Xài Gradio, dự án này muốn mang đến một UI vừa đẹp vừa tiện, để người dùng tương tác với AI agent dễ dàng hơn Tập trung vào trải nghiệm người dùng là điểm cộng lớn, vì nó giúp cả dev lẫn người dùng cuối đều cảm thấy "ưng cái bụng".

Cuối thread, Akshay share luôn link GitHub chính thức của dự án browser-use, mời mọi người vào khám phá và đóng góp Tinh thần open-source này đúng là "chất chơi", tạo cảm giác cộng đồng và khuyến khích mọi người chia sẻ ý tưởng.

Tóm lại, dự án browser-use này là một bước tiến lớn trong việc giúp AI tương tác với nội dung web. Kết hợp đồ open-source, giao diện thân thiện, và hỗ trợ nhiều LLM xịn, nó mở ra một thế hệ AI agent mới, có thể "lướt web" như con người. Tương lai, chắc chắn sẽ còn nhiều điều thú vị khi dự án này phát triển, có thể dẫn đến mấy con LLM "thích nghi theo thời gian thực" để làm cho browser-use càng ngày càng đỉnh hơn nữa.