LangChain integra Stagehand de Browserbase para optimizar la navegación web de agentes

A medida que los sistemas autónomos asumen flujos de trabajo de varios pasos, como cancelar suscripciones no utilizadas o gestionar la planificación de viajes internacionales, las herramientas que permiten a los agentes de IA interactuar con la web abierta están madurando rápidamente. Según el análisis reciente de LangChain, optimizar los conjuntos de herramientas de navegación para agentes profundos puede reducir drásticamente los costos operativos, el uso de tokens y los tiempos de finalización de tareas sin sacrificar la precisión.

Qué sucedió

LangChain evaluó siete conjuntos de herramientas de navegación diferentes para agentes profundos gestionados, comparando opciones nativas, servidores del Protocolo de Contexto de Modelo (MCP) y CLI basados en shell. Según los hallazgos de la empresa, el diseño de la herramienta juega un papel fundamental en el rendimiento del agente, con tasas de éxito en los conjuntos de herramientas probados que oscilan entre el 78% y el 90%, pero con variaciones masivas en velocidad y costo.

LangChain finalmente seleccionó Stagehand v4 de Browserbase, que superó el 90% de las tareas con un costo medio de 1,98 dólares y una velocidad media de 17,4 segundos por tarea. En comparación, una configuración de Playwright MCP superó el 78% de las tareas, pero costó 26,71 dólares (unas 13 veces más) y tardó tres veces más. En las 38 tareas principales de HardBench, los agentes profundos resolvieron 30 utilizando la herramienta de escritura de código de Stagehand, en comparación con 21 utilizando la CLI de navegación estilo comando de Browserbase.

Tres decisiones arquitectónicas clave en Stagehand v4 impulsaron estas ganancias de rendimiento:

• Modo de código: En lugar de llamar a las herramientas una por una, el agente escribe código que llama a las herramientas de forma nativa. LangChain señala que llamar a las herramientas MCP de Browserbase desde el código en un intérprete redujo los costos cuatro veces, pasando de 17,87 a 4,52 dólares. La herramienta de ejecución de Stagehand acepta código estilo Playwright (en el que los modelos están muy entrenados) y lo compila en comandos de Stagehand.
• Instantáneas optimizadas: La instantánea de Stagehand devuelve un árbol de accesibilidad recortado con identificadores en elementos interactivos en lugar de HTML sin procesar o capturas de pantalla pesadas. Browserbase informa que esto es aproximadamente un 80% más eficiente en términos de tokens que Playwright.
• Ejecución en el navegador: Mientras que un clic estándar de Playwright implica cinco viajes de ida y vuelta separados del Protocolo de Herramientas para Desarrolladores de Chrome (CDP) entre el agente y el navegador, Stagehand se ejecuta dentro del navegador como una extensión, ejecutando acciones por lotes localmente en un solo viaje de ida y vuelta y funcionando el doble de rápido que Playwright.

LangChain también ajustó el arnés del agente reemplazando las pausas fijas generadas por el agente con tiempos de espera dinámicos que finalizan tan pronto como una página permanece en silencio durante 500 milisegundos. Combinado con salidas estructuradas y tiempos de espera de llamadas al modelo, esto redujo los tiempos medios de tarea de 182 segundos a 124 segundos en HardBench.

Por qué es importante para los pequeños equipos de IA

Para las pequeñas empresas y los equipos de ingeniería ágiles que crean o implementan flujos de trabajo autónomos, estas opciones de infraestructura afectan directamente al resultado final. Cuando un agente que ejecuta tareas basadas en el navegador cuesta 26 dólares por ejecución en lugar de 2, los flujos de trabajo web automatizados se vuelven rápidamente inviables económicamente para los procesos comerciales cotidianos.

La conclusión del mercado aquí es clara: la economía de los agentes está fuertemente ligada a la eficiencia de la plataforma y las herramientas, no solo a la inteligencia del modelo subyacente. Al pasar de interacciones API secuenciales y pesadas en tokens e interpretaciones de capturas de pantalla sin procesar a la ejecución de código por lotes y instantáneas de árboles de accesibilidad, los desarrolladores pueden reducir los costos de ejecución en más de un 80%. Para los equipos pequeños que buscan implementar agentes para inteligencia competitiva, llenado automatizado de formularios o pruebas integrales, seleccionar herramientas de agente diseñadas específicamente como Stagehand en lugar de marcos de prueba reutilizados es la diferencia entre una prueba de concepto costosa y un activo de producción rentable.

Qué hacer esta semana

1. Revise los rastros actuales de sus agentes en una plataforma como LangSmith para identificar dónde sus agentes desperdician pasos, realizan llamadas de navegación redundantes o incurren en gastos innecesarios de tokens en páginas web.
2. Audite sus herramientas de automatización del navegador para comprobar si sus agentes dependen de comandos secuenciales de una sola acción o de bloques de ejecución de código eficientes que agrupan las acciones del navegador en viajes de ida y vuelta únicos.
3. Implemente comprobaciones dinámicas de carga de página en lugar de temporizadores de pausa estáticos en los arneses de sus agentes para eliminar el tiempo de espera muerto y reducir la latencia general de finalización de tareas.

Fuentes

• How We Optimized Browser Use for Deep Agents — LangChain Blog