智能体浏览器工具换了写法:Stagehand 通过率 90%,成本只有 Playwright MCP 的约十三分之一
核心概要
LangChain 为 Managed Deep Agents 的智能体接入浏览器能力,在七套工具集中选定 Browserbase 的 Stagehand,再依据 LangSmith 轨迹和评测逐项改造。固定模型与任务、只换工具集时,Stagehand 通过 90% 的任务,总花费 1.98 美元,每任务中位耗时 17.4 秒;Playwright MCP 通过 78%,花费 26.71 美元,约为前者的 13 倍,每任务耗时约为三倍。改造的核心是让智能体写代码批量驱动浏览器、用页面快照代替截图,并把固定等待改为页面安静 500 毫秒即返回。
深度剖析
同一模型、同一批任务下,智能体用哪套浏览器工具会显著改变成功率和开销,工具设计本身成为可调的性能变量。 此前浏览器工具多沿用为测试而写的 Playwright 一类 SDK,智能体按动作逐个调用,每次调用都要等模型决策。 七套工具集在实时网站任务上通过率落在 78% 到 90% 之间,但成本与速度差距很大:Stagehand 通过 90%、总花费 1.98 美元、每任务中位 17.4 秒,Playwright MCP 通过 78%、花费 26.71 美元、每任务耗时约为其三倍。
Stagehand 给智能体三个工具:snapshot 读取页面的无障碍树并给可交互元素编号,run 执行一批动作或 Playwright 风格的代码,screenshot 截取渲染后的页面。 代码模式下智能体一次写出整条操作链,中间结果留在代码变量里,只有最终返回值进入上下文。 run 平均每任务 10 步,Playwright MCP 为 26 步;一次导航返回的字符数中位为 117,而 Browserbase 托管 MCP 的 navigate 工具约为 17,000。把 Browserbase 的 MCP 工具改为在解释器里用代码调用后,成本从 17.87 美元降到 4.52 美元。
等待页面加载的方式也被改写:run 让每次固定睡眠在页面安静 500 毫秒后提前结束,且不晚于智能体设定的时间。 轨迹显示智能体常写 page.waitForTimeout(8000) 这类固定睡眠,多数页面早已就绪,运行时间被空耗。 一次测量中 8 秒睡眠在 0.6 秒返回;在 HardBench 上配合结构化答案与模型调用超时,智能体中位耗时从 182 秒降到 124 秒,准确率在噪声范围内。
启示与展望
演示范围是 Managed Deep Agents 中的浏览器工具,评测覆盖 WebVoyager 的 100 个日常任务、HardBench 的 102 个较难任务以及 WebTailBench 的 150 个真实长尾任务,均在实时网站上运行。开源 Deep Agents 可通过 StagehandMiddleware 接入同一套工具,规模化访问开放网络时改用 Browserbase 启动浏览器。
WebVoyager 被描述为已较饱和,因此主要用于比较上下文用量、成本和速度;HardBench 的核心任务子集为 38 个,其中 Deep Agents 用 Stagehand 的代码式 run 工具通过 30 个,用 Browserbase 的命令式 browse CLI 通过 21 个,后者每任务成本约为三倍。事后把快照截断到 8,000 字符并未降低成本,智能体会重新抓取页面。
