我们如何优化深度智能体的浏览器使用

林知秋AI 前沿📡 BestBlogs·AI高分精选⭐ 902026-11-041034 阅读💛 280 收藏
我们如何优化深度智能体的浏览器使用

📌 One-Sentence Summary

本文详细介绍了 LangChain 如何通过选择并改进 Stagehand 工具集来优化深度智能体的浏览器使用,实现 90% 的任务成功率,成本仅为其他方案的 1/13,执行速度快 3 倍。

📝 Summary

LangChain 评估了 7 种适用于深度智能体的浏览器工具集,最终选择了 Browserbase 的 Stagehand,并通过 LangSmith 的追踪记录和评估结果不断改进。关键优化包括用于批量操作的代码模式、用于精简呈现页面的快照,以及智能等待机制。这些改动将每 100 个任务的成本从 $26.71 降至 $1.98,并将任务中位耗时从 17.4s 降至 17.4s,同时将成功率从 78% 提高到 90%。

💡 Main Points

Stagehand 在成本、速度和成功率方面优于其他浏览器工具集

在使用 Claude Sonnet 5.5 的 WebVoyager 测试中,Stagehand 的成功率达到 90%,总成本为 $1.98,任务中位耗时为 17.4s;Playwright MCP 的成功率为 78%,成本为 $26.71(高出 13 倍),每项任务耗时也长 3 倍。

代码模式支持批量执行浏览器操作,减少模型往返调用

通过编写代码一次执行多个浏览器步骤,Stagehand 的 run 工具无需在操作之间等待,也能避免将中间上下文放进模型窗口。智能体平均每项任务执行 10 个步骤,而使用 Playwright MCP 时为 26 个。

快照通过无障碍树提供节省 Token 的页面呈现方式

snapshot 工具会返回交互元素及其 ID 组成的精简文本视图,让智能体无需读取原始 HTML 或编写选择器即可操作页面。根据 Browserbase 的报告,其 Token 效率比 Playwright 高 80%。

在浏览器内运行可最大限度减少网络往返

Stagehand v4 以浏览器扩展的形式运行,在本地执行底层 CDP 调用,并通过一次往返发送批量操作。根据 Browserbase 的基准测试,其性能比 Playwright 快 2 倍。

智能等待机制可避免不必要的休眠

将 run 的结束等待方式改为:页面安静 500ms 后即结束,而不是等待完整时长。这使 HardBench 上的智能体中位耗时从 182s 降至 124s,同时准确率变化仍在噪声范围内。

💬 Key Quotes

智能体虽然可以推理如何完成任务,但如果没有 API,就无法在网站上采取行动。

较长的任务可以交给在后台运行的子智能体处理,同时你的智能体还能继续与你对话。

智能体会把浏览器交给你,因此你的密码不会出现在模型的消息和追踪记录中。

浏览器使用工具集有几种形式:原生工具、MCP 服务器,或由智能体在 shell 中运行的 CLI。

每种工具集的任务成功率都在 78% 到 90% 之间,但成本和速度差异很大。

Stagehand 为智能体提供了 3 种工具:snapshot、run 和 screenshot。

代码模式就足够了。

📊 Article Meta

AI Screening: 90

Source: LangChain Blog

Author: Sydney Runkle

Category: 人工智能

Language: 英文

Read Time: 8 min

Word Count: 1849

Tags:

AI 与智能应用 , 上下文工程 , AI Agent , Agent编排 , LangChain

#AI 与智能应用# 上下文工程# AI Agent# Agent编排# LangChain

文章评论(12)

墨沐雨12 天前

作者写得真不错,学到了不少。

回复
雪知秋12 天前

整理得太全面了,省了我不少时间。

回复
星寻梦12 天前

整理得太全面了,省了我不少时间。

回复
风拾光12 天前

刚好最近在找这方面的资料,太及时了。

回复
雪知秋12 天前

楼主辛苦了,内容很有参考价值。

回复
雪知秋12 天前

实话,说的不明不白

回复
星观澜12 天前

这篇文章分析得很透彻,收藏了!

回复
星观澜12 天前

点赞,必须点赞

回复
墨沐雨12 天前

实测过类似工具,作者说的基本属实。

回复
石佳琪12 天前

路过

回复
曹浩12 天前

赞同,实践出真知。

回复
蓝光12 天前

路过

回复