我们如何为 Deep Agents 优化浏览器使用
LangChain 团队想让 Deep Agents 能像人一样操作网页，于是比较了七种浏览器工具方案，最终选了 Browserbase 的 Stagehand，并用 LangSmith 追踪和评测不断调优。原来的问题是：浏览器任务步骤多、网页内容杂，工具用起来又慢又贵，比如 Playwright MCP 完成同样任务的花费约是 Stagehand 的 13 倍、耗时约 3 倍。这次优化的关键在工具设计：Stagehand 让智能体写代码一次执行多步操作、用精简快照读页面、减少来回调用，从而省下上下文和成本。对读者的意义是：做浏览器智能体时，工具怎么设计会直接影响效果和花费，值得用追踪加评测的方式反复打磨。目前这些结果来自论文式评测，属于已展示的能力，正式上线情况原文未说明。
文中可用工具
- StagehandBrowserbase 提供的浏览器智能体工具，让智能体写代码批量操作网页
- LangSmith用于追踪智能体行为并做实验对比和评测的平台
- Playwright MCP基于 Playwright 的浏览器工具方案，原文用作对比基线
- browser-use原文列为参与对比的浏览器工具方案之一，具体用途未详细说明
- Browserbase MCPBrowserbase 的托管 MCP 浏览器服务，原文参与对比
- agent-browser原文列为命令行方式驱动浏览器的对比方案，具体用途未说明
- browse CLIBrowserbase 的命令行浏览器工具，原文参与对比
- Managed Deep Agents在 LangSmith 中构建和部署智能体的托管服务，可代跑浏览器
评论 · 分享第一个看法