ब्राउज़र एजेंट और वेब स्क्रैपर में क्या अंतर है?

स्क्रैपर आपकी लिखी स्क्रिप्ट का पालन करता है — ये URL लाओ, ये फ़ील्ड निकालो। ब्राउज़र एजेंट को एक LLM चलाता है: वह पेज देखता है, तय करता है क्या क्लिक या टाइप करना है, और लेआउट बदलने पर खुद को ढाल लेता है। browser-use, Skyvern और Anthropic का computer-use इसी तरह काम करते हैं। यह एक तयशुदा क्रॉलर और तर्क करने वाले ऑपरेटर के बीच का अंतर है। यदि आपका काम निर्धारित निष्कर्षण है, तो स्क्रैपिंग गाइड देखें; यह पेज तर्क करने वाले प्रकार के बारे में है।

ब्राउज़र एजेंट चलाने के लिए GPU चाहिए?

नहीं। तर्क उस LLM में होता है जिसे आप API से बुलाते हैं (Anthropic, OpenAI आदि), इसलिए सर्वर सिर्फ़ एक headless Chromium और आपका एजेंट लूप चलाता है — CPU और RAM का काम, GPU नहीं। GPU तभी चाहिए जब आप मॉडल को भी लोकल चलाएँ, जो एक अलग और कहीं भारी सेटअप है।

कितनी RAM चाहिए?

भार ब्राउज़र में है, एजेंट में नहीं। एक headless Chromium इंस्टेंस ~300-500 MB, प्लस हर खुले टैब/कॉन्टेक्स्ट पर 100-200 MB, प्लस आपका रनटाइम। Small ($8, 4 GB) एक ब्राउज़र चलाने वाले एक एजेंट के लिए समझदार न्यूनतम है; समानांतर में कई ब्राउज़र कॉन्टेक्स्ट चलाएँ तो Medium पर जाएँ।

क्या समर्पित IP चाहिए?

आमतौर पर नहीं। ब्राउज़र एजेंट आउटबाउंड अनुरोध करता है — जिन साइटों को चलाता है और मॉडल API को — इसलिए फ़ॉरवर्डेड SSH वाला NAT प्लान काफ़ी है और सस्ता है। समर्पित IP तभी लें जब आप कोई इनबाउंड सेवा भी उजागर करें (कंट्रोल डैशबोर्ड, webhook रिसीवर)।

क्या यह अनुमत है? सीमाएँ क्या हैं?

जिन साइटों का उपयोग करने का आपको अधिकार है उनका वैध स्वचालन — हाँ। हर साइट के नियम और रेट-लिमिट का सम्मान करें, किसी लक्ष्य को सेवा-अस्वीकरण तक न पीटें, और इसे धोखाधड़ी, credential stuffing या खाता दुरुपयोग के लिए न वापरें। यह स्वीकार्य उपयोग नीति का उल्लंघन है और सेवा समाप्त हो जाती है। ब्राउज़र एजेंट एक शक्तिशाली ऑपरेटर है; उसे केवल वहीं भेजें जहाँ कार्य करने का अधिकार है।

browser-use एजेंट के लिए VPS: सर्वर पर 24/7 computer-use AI चलाएँ

वेब स्क्रैपर आपकी लिखी हिदायतों का पालन करता है। ब्राउज़र एजेंट खुद तय करता है: वह रेंडर हुआ पेज देखता है, तर्क करता है कि आगे क्या करना है, और उसे पाने के लिए एक असली ब्राउज़र में क्लिक, टाइप और स्क्रॉल करता है। browser-use, Skyvern और Anthropic के computer-use जैसे टूल एक LLM को ऐसी चीज़ में बदल देते हैं जो ब्राउज़र को इंसान की तरह चलाती है — फ़ॉर्म भरती, फ़्लो में चलती, नतीजे पढ़ती, और लेआउट बदलने पर सँभल जाती है।

यह तभी काम करता है जब ब्राउज़र लगातार चलता रहे। आपके लैपटॉप पर वह उसी पल रुक जाता है जब आप ढक्कन बंद करते हैं। यह पेज एक ब्राउज़र एजेंट को सर्वर पर, सही आकार में, रखने के बारे में है ताकि वह चौबीसों घंटे चले।

स्क्रैपर बनाम एजेंट — सही टूल चुनें

ईमानदार रहें कि आप कौन-सा बना रहे हैं, क्योंकि दोनों को अलग चीज़ें चाहिए:

स्क्रैपर (httpx, Scrapy) ज्ञात URL लाता और तय फ़ील्ड निकालता है। निर्धारित, हल्का, सस्ता। यदि यही आपका काम है तो सही पेज वेब स्क्रैपिंग गाइड है — जिस ब्राउज़र की ज़रूरत नहीं उसके लिए भुगतान न करें।
ब्राउज़र एजेंट पेज को असली Chromium में रेंडर करता है और LLM को हर क्रिया तय करने देता है। वह उन साइटों को सँभालता है जो स्क्रैपर नहीं कर सकता — डायनामिक ऐप, अप्रत्याशित लेआउट, बहु-चरणीय फ़्लो — भारी बॉक्स और हर कदम पर मॉडल कॉल की क़ीमत पर।

यह पेज दूसरे के बारे में है।

बॉक्स को असल में क्या चाहिए

एजेंट लूप खुद नन्हा है; संसाधन headless ब्राउज़र खाता है।

RAM बाधा है। headless Chromium ~300-500 MB, और हर अतिरिक्त टैब या कॉन्टेक्स्ट 100-200 MB जोड़ता है। एक ब्राउज़र चलाने वाला एक एजेंट Small ($8/माह — 4 vCPU, 4 GB) पर आराम से रहता है। एक साथ कई ब्राउज़र कॉन्टेक्स्ट चलाना आपको Medium ($12) की ओर धकेलता है।
GPU नहीं। मॉडल आपके प्रदाता (Anthropic/OpenAI) पर चलता है; सर्वर ऑर्केस्ट्रेशन और रेंडरिंग करता है। यह CPU और RAM है।
NAT काफ़ी है। एजेंट केवल आउटबाउंड कॉल करता है — जिन साइटों को चलाता है और मॉडल API को। समर्पित IP केवल इनबाउंड सेवाओं के लिए।

सेटअप

# Ubuntu 24.04
apt update && apt install -y python3-venv git
python3 -m venv ~/agent && source ~/agent/bin/activate

# browser-use + Playwright के लिए Chromium
pip install browser-use
playwright install --with-deps chromium

एक न्यूनतम लूप मॉडल कुंजी को एनवायरनमेंट से पढ़ता है, कभी कोड में हार्डकोड नहीं:

# run.py
import os, asyncio
from browser_use import Agent
from browser_use.llm import ChatAnthropic

async def main():
    agent = Agent(
        task="Open the status page and report which services are down.",
        llm=ChatAnthropic(model="claude-sonnet-4-5", api_key=os.environ["ANTHROPIC_API_KEY"]),
    )
    await agent.run()

asyncio.run(main())

इसे क्रैश और रिबूट के पार systemd सेवा से जीवित रखें — वही पैटर्न जो किसी भी एजेंट को 24/7 चालू रखता है, Restart=always के साथ और मॉडल कुंजी EnvironmentFile में, यूनिट में नहीं।

RAM पर नज़र रखें। जो ब्राउज़र एजेंट कभी टैब बंद नहीं करता वह धीरे-धीरे बॉक्स खा जाएगा — काम ख़त्म होने पर पेज और कॉन्टेक्स्ट बंद करें और कॉन्करेंसी सीमित रखें। लीक होता Chromium इन एजेंटों के गिरने का सबसे आम कारण है।

असल में हमारा हिस्सा: एजेंट अपना बॉक्स खुद किराए पर ले सकता है

यहीं EQVPS सामान्य होस्ट से अलग है। हमारे MCP सर्वर के ज़रिए एजेंट रजिस्टर कर सकता है, क्रिप्टो बैलेंस टॉप-अप कर सकता है और order_vps — खुद एक नई मशीन ऑर्डर कर सकता है, चेकआउट पर बिना इंसान के। तो जिस ब्राउज़र एजेंट को रन के लिए साफ़ माहौल चाहिए वह खुद सर्वर प्रोविज़न कर सकता है, ब्राउज़र चला सकता है, और ख़त्म होने पर उसे गिरा सकता है — सब प्रीपेड बैलेंस से।

इसे बिना KYC क्रिप्टो भुगतान के साथ जोड़ें और पूरा लूप किसी पहचान-निशान से बाहर रहता है: रजिस्टर के लिए ईमेल, भुगतान के लिए USDC या USDT, लगभग एक मिनट में root।

ईमानदार सीमाएँ

केवल CPU, एक क्षेत्र (जर्मनी)। ब्राउज़र चलाने और API कॉल करने के लिए ठीक; यदि GPU या ख़ास भूगोल चाहिए तो पहले से जान लें।
मॉडल लागत अलग। हर कदम एक मॉडल कॉल है; बातूनी एजेंट का API बिल आमतौर पर $8 सर्वर को बौना कर देता है। मशीन सस्ता हिस्सा है।
जहाँ भेजते हैं उसका सम्मान करें। ब्राउज़र एजेंट लॉगिन, सबमिट और ख़रीद सकता है। उसे केवल उन साइटों पर भेजें जिन्हें चलाने का अधिकार आपके पास है; दुरुपयोग, धोखाधड़ी और सेवा-अस्वीकरण स्वीकार्य उपयोग नीति का उल्लंघन हैं।

इन सीमाओं में, अपने सदा-चालू सर्वर पर ब्राउज़र एजेंट वाक़ई उपयोगी पैटर्न है — जब आप सोते हैं तब यह काम करता है। एक प्लान चुनें, क्रिप्टो में भुगतान करें, और एक मिनट में एक चालू करें। यदि आपका काम तर्क नहीं बल्कि तय निष्कर्षण है, तो वेब स्क्रैपिंग गाइड सस्ता, सरल रास्ता है।