browser-use：一轮 step 怎样把网页变成行动与历史？
固定官方源码
browser-use/browser-use@d8110c5ff87ccba887aaa726cdb780f2f84bef8d。本篇只追踪Agent.step()的观察、模型决策、动作执行和留痕路径；是静态源码剖面，不是浏览器运行录像。
为什么这条路径值得看
浏览器 Agent 的“上下文”并非只有聊天记录。Agent.step() 先从 BrowserSession 请求当前网页摘要，再由消息管理器编成模型输入；模型给出动作列表，multi_act() 逐个交给工具与浏览器，最后 _finalize() 将这一步的模型输出、执行结果与浏览器状态保存为历史项。step · 历史项
这里最容易误读的是截图：_prepare_context() 在每步请求状态时传入 include_screenshot=True，但 create_state_messages() 仍按 use_vision 决定是否把截图放进模型消息；_make_history_item() 则会在摘要里确有截图时单独存储截图。因此“捕获了截图”“模型收到了截图”“历史存了截图”是三个不同断言。捕获 · 模型消息条件 · 历史截图
两个保护条件
- 浏览器状态请求超时时，
BrowserSession清空选择器查找路径，返回空 DOM 选择器映射和带错误信息的非可操作状态，而不是让模型继续用上一页的元素索引。超时分支 - 一次模型输出可含多动作，但
multi_act()不盲目执行整列。动作完成、出错、注册动作声明终止序列，或动作前后 URL/焦点目标变化，都可能停止余下动作。序列守卫
边界与下一步
时序图把源码中的异步调用整理成一条正常阅读路径；它没有断言每步一定进入历史：_finalize() 在没有 last_result 时直接返回，步骤异常、暂停、重连和超时分支会改变结果。条件 · 异常处理
尚未启动浏览器、实测模型是否看到截图，也未验证截图存储、事件总线消费或页面变化检测的时延。Skills 在 run() 初始化阶段可注册为动作，但并非本图覆盖的执行链；后续应单独研究注册与权限边界。Skills 注册入口
图的文字说明 · browser-use-step
图从上往下读，四条泳道依次是 Agent、BrowserSession + Tools、模型、AgentHistory。Agent 请求浏览器状态；浏览器返回包含 DOM/URL/可用截图的 BrowserStateSummary；Agent 的消息管理器构造输入交给模型；模型返回动作列表；Agent 经 multi_act、Tools.act 在浏览器侧执行；ActionResult 回到 Agent；在有结果的情况下 _finalize 追加 AgentHistory。箭头是教学整理的主路径，不表示所有步骤都一定发生或异步组件只有一种实际调度顺序。
图旁明确区分三件事：采集状态时请求截图、根据 use_vision 决定是否送进模型、若状态中有截图则历史记录可单独保存。图片没有把“采集截图”误画成“模型一定看图”。源码定位、失败守卫和未验证边界见章节及代码导读。
固定官方源码：browser-use/browser-use@d8110c5ff87ccba887aaa726cdb780f2f84bef8d。本图为静态源码图，不是浏览器实测录屏。
在线预览稿：书稿仍在校稿，系统篇以文内固定源码版本为准；静态阅读不等于运行验收。