LangChain integra Browserbase Stagehand per ottimizzare la navigazione web degli agenti

Mentre i sistemi autonomi affrontano flussi di lavoro in più fasi, come la cancellazione di abbonamenti inutilizzati o la pianificazione di viaggi, gli strumenti che consentono agli agenti di intelligenza artificiale di interagire con il web aperto si stanno evolvendo rapidamente. Secondo una recente analisi di LangChain, l'ottimizzazione dei toolkit per browser per gli agenti avanzati può ridurre drasticamente i costi operativi, l'utilizzo dei token e i tempi di completamento delle attività senza sacrificare la precisione.

Cosa è successo

LangChain ha valutato sette diversi toolkit per browser per i Managed Deep Agents, confrontando opzioni native, server Model Context Protocol (MCP) e CLI basate su shell. Secondo i risultati dell'azienda, la progettazione degli strumenti gioca un ruolo fondamentale nelle performance degli agenti, con tassi di successo che variano dal 78% al 90% tra i toolkit testati, ma con enormi differenze in termini di velocità e costi.

Alla fine, LangChain ha scelto Stagehand v4 di Browserbase, che ha superato il 90% delle attività a un costo mediano di 1,98 dollari e a una velocità mediana di 17,4 secondi per attività. Per confronto, una configurazione Playwright MCP ha superato il 78% delle attività ma è costata 26,71 dollari (circa 13 volte di più) e ha richiesto il triplo del tempo. Sulle 38 attività principali di HardBench, gli agenti avanzati ne hanno risolte 30 utilizzando lo strumento di scrittura di codice di Stagehand rispetto alle 21 ottenute con la CLI di navigazione in stile comando di Browserbase.

Tre scelte architetturali chiave in Stagehand v4 hanno guidato questi miglioramenti delle prestazioni:

• Modalità codice: Invece di chiamare gli strumenti uno alla volta, l'agente scrive del codice che chiama gli strumenti in modo nativo. LangChain nota che l'utilizzo degli strumenti MCP di Browserbase dal codice in un interprete ha ridotto i costi di quattro volte, passando da 17,87 a 4,52 dollari. Lo strumento di esecuzione di Stagehand accetta codice in stile Playwright — su cui i modelli sono ampiamente addestrati — e lo compila in comandi Stagehand.
• Snapshot ottimizzati: Lo snapshot di Stagehand restituisce un albero di accessibilità ridotto con ID sugli elementi interattivi anziché HTML grezzo o schermate pesanti. Browserbase riferisce che questo è circa l'80% più efficiente in termini di token rispetto a Playwright.
• Esecuzione nel browser: Mentre un clic standard di Playwright comporta cinque distinti round trip del Chrome DevTools Protocol (CDP) tra l'agente e il browser, Stagehand viene eseguito all'interno del browser come estensione, eseguendo azioni in batch localmente in un unico round trip e girando al doppio della velocità di Playwright.

LangChain ha anche ottimizzato l'infrastruttura dell'agente sostituendo le attese fisse generate dall'agente con timeout dinamici che terminano non appena una pagina rimane silenziosa per 500 millisecondi. In combinazione con output strutturati e timeout per le chiamate ai modelli, ciò ha ridotto i tempi mediani delle attività da 182 secondi a 124 secondi su HardBench.

Perché è importante per i piccoli team di IA

Per le piccole aziende e i team di ingegneri snelli che sviluppano o distribuiscono flussi di lavoro autonomi, queste scelte infrastrutturali incidono direttamente sul bilancio. Quando un agente che esegue attività basate su browser costa 26 dollari per esecuzione anziché 2, i flussi di lavoro web automatizzati diventano rapidamente economicamente insostenibili per i processi aziendali quotidiani.

La lezione per il mercato è chiara: l'economia degli agenti è fortemente legata all'efficienza della piattaforma e degli strumenti, non solo all'intelligenza del modello sottostante. Passando da interazioni API sequenziali e pesanti in termini di token e interpretazioni di schermate grezze a un'esecuzione di codice in batch e a snapshot basati sull'albero di accessibilità, gli sviluppatori possono ridurre i costi di esecuzione di oltre l'80%. Per i piccoli team che desiderano distribuire agenti per la business intelligence competitiva, la compilazione automatica di moduli o i test end-to-end, la scelta di strumenti per agenti creati appositamente come Stagehand, anziché di framework di test riadattati, fa la differenza tra un costoso proof-of-concept e una risorsa di produzione redditizia.

Cosa fare questa settimana

1. Esamina le tracce attuali dei tuoi agenti in una piattaforma come LangSmith per identificare dove i tuoi agenti sprecano passaggi, effettuano chiamate di navigazione ridondanti o incorrono in spese di token non necessarie sulle pagine web.
2. Verifica i tuoi strumenti di automazione del browser per controllare se i tuoi agenti si affidano a comandi sequenziali a singola azione o a efficienti blocchi di esecuzione del codice che raggruppano le azioni del browser in singoli round trip.
3. Implementa controlli dinamici di caricamento delle pagine anziché timer di attesa statici nelle infrastrutture dei tuoi agenti per eliminare i tempi morti e ridurre la latenza complessiva di completamento delle attività.

Fonti

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