LangChain 集成 Browserbase Stagehand 以优化智能体网络导航

随着自主系统开始承载多步骤工作流（例如取消未使用的订阅或管理跨国旅行规划），允许 AI 智能体与开放网络进行交互的工具正在迅速成熟。根据 LangChain 最近的分析，在不牺牲准确性的前提下，为深度智能体优化浏览器工具集可以显著降低运营成本、Token 消耗以及任务完成时间。

发生了什么

LangChain 评估了针对托管深度智能体（Managed Deep Agents）的七种不同浏览器工具集，对比了原生选项、模型上下文协议（MCP）服务器以及基于 Shell 的 CLI。根据该公司发现，工具设计在智能体性能中扮演着重要角色，所测试工具集的成功率在 78% 到 90% 之间，但在速度和成本上存在巨大差异。

LangChain 最终选择了来自 Browserbase 的 Stagehand v4，它通过了 90% 的任务，中位成本为 1.98 美元，每个任务的中位耗时为 17.4 秒。相比之下，Playwright MCP 设置通过了 78% 的任务，但成本高达 26.71 美元——约为前者的 13 倍——且耗时是其三倍。在 HardBench 的 38 个核心任务中，使用 Stagehand 的代码编写运行工具，深度智能体解决了 30 个，而使用 Browserbase 的命令式 browse CLI 则解决了 21 个。

Stagehand v4 中的三个关键架构选择推动了这些性能提升：

• 代码模式： 智能体不再逐个调用工具，而是编写原生调用工具的代码。LangChain 指出，在解释器中从代码调用 Browserbase 的 MCP 工具将成本降低了四倍，从 17.87 美元降至 4.52 美元。Stagehand 的运行工具接受模型经过大量训练的 Playwright 风格代码，并将其编译为 Stagehand 命令。
• 优化的快照： Stagehand 的快照返回带有交互元素 ID 的精简无障碍树（accessibility tree），而不是原始 HTML 或沉重的截图。Browserbase 报告称，这比 Playwright 的 Token 效率高出约 80%。
• 浏览器内执行： 标准的 Playwright 点击涉及智能体与浏览器之间的五个独立 Chrome 开发者工具协议（CDP）往返，而 Stagehand 作为扩展程序在浏览器内部运行，在单次往返中本地执行批量操作，运行速度是 Playwright 的两倍。

LangChain 还通过将固定的智能体生成休眠替换为在页面保持静止 500 毫秒后立即结束的动态超时，微调了智能体封装。结合结构化输出和模型调用超时，这使 HardBench 上的中位任务时间从 182 秒缩短至 124 秒。

为什么这对小型 AI 团队很重要

对于构建或部署自主工作流的小型公司和精干工程团队而言，这些基础设施选择直接关系到财务底线。当运行基于浏览器的任务的智能体每次运行成本为 26 美元而不是 2 美元时，自动化网页工作流很快就会在日常业务流程中变得在经济上不可行。

这里的市场启示很明确：智能体经济学很大程度上受限于平台和工具效率，而不仅仅是底层模型智能。通过从顺序的、消耗大量 Token 的 API 交互和原始截图解释转向批量代码执行和无障碍树快照，开发人员可以将执行成本削减 80% 以上。对于希望部署智能体用于竞争情报、自动表单填写或端到端测试的小型团队来说，选择像 Stagehand 这样专门构建的智能体工具，而不是被重新用于其他用途的测试框架，是昂贵的概念验证与盈利生产资产之间的区别。

本周要做什么

1. 在 LangSmith 等平台中审查当前的智能体追踪，以找出智能体在网页上浪费步骤、进行冗余导航调用或产生不必要 Token 开销的地方。
2. 审计您的浏览器自动化工具，检查您的智能体是依赖顺序的单动作命令，还是依赖将浏览器动作批处理为单次往返的高效代码执行块。
3. 在您的智能体封装中实现动态页面加载检查，而不是静态休眠计时器，以消除死等待时间并减少整体任务完成延迟。

来源

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