LangChain 通过 Stagehand 优化将浏览器智能体成本降低 13 倍

浏览器智能体正迅速从新奇事物转变为实用工具，能够处理取消订阅和在没有公共 API 的网站上发布车辆列表等多步骤任务。根据 LangChain 博客，使这对小型团队在经济上可行的关键不在于模型，而在于工具设计。通过优化智能体与浏览器的交互方式，LangChain 将标准浏览任务的成本从 26.71 美元降至 1.98 美元，实现了 13 倍的改进，使中型公司能够实施智能体网页自动化。

发生了什么

LangChain 详细说明了他们如何将浏览器功能集成到其托管深度智能体（Managed Deep Agents）平台中。他们比较了七种不同的工具集，包括原生工具、MCP 服务器和 CLI 接口，最终选择 Browserbase 的 Stagehand 作为最有效的选项。成本和速度的主要驱动因素是智能体如何调用这些工具。在使用 Playwright MCP 时，智能体通过了 78% 的任务，但总成本为 26.71 美元，且每个任务耗时是其他方案的三倍。相比之下，Stagehand 工具以 1.98 美元的总成本通过了 90% 的任务，每个任务的中位时间为 17.4 秒。

这种效率提升的主要部分来自于采用“代码模式”，即智能体编写代码以单次批量执行多个浏览器操作，而不是逐个调用工具。这种方法在初步测试中将成本降低了 4 倍。此外，LangChain 用可访问性树快照取代了原始 HTML 或截图读取，与 Playwright 相比，令牌使用量减少了约 80%。他们还通过优化等待时间来减少延迟，当页面在 500 毫秒内保持静止时结束休眠，而不是等待固定计时器，这将 HardBench 上智能体的中位时间从 182 秒缩短至 124 秒。

为什么这对小型企业主很重要

对于中小型公司而言，AI 智能体的经济成本历来是进入门槛。如果自动化一个任务的成本为 26 美元，通常由人类完成会更便宜。然而，当每个任务的成本降至 1.98 美元时，浏览器智能体成为替代缺乏 API 访问权限的常规、耗时网页工作的可行方案。这对于在第三方平台上花费数小时进行手动数据录入、竞争对手监控或客户服务任务的操作团队尤为相关。LangChain 的经验教训是，工具设计是成本控制的一个杠杆。你不需要最昂贵的模型；你需要的是智能体与网络之间最高效的接口。这种从“以模型为中心”到“以工具为中心”的优化转变，使较小的团队无需巨额基础设施预算即可在自动化效率方面展开竞争。

本周该做什么

1. 审计当前的智能体工作流程，找出智能体使用截图或原始 HTML 的任务，并切换到可访问性树快照以降低令牌成本。
2. 重构智能体的浏览器交互，使用批量代码执行而不是单独的工具调用，这可以显著降低延迟和 API 成本。
3. 在智能体逻辑中实施动态等待条件，停止等待固定超时，确保智能体仅在主动处理页面更改时消耗资源。

来源

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