LangChain chọn Stagehand để tối ưu khả năng dùng trình duyệt cho Deep Agents
LangChain đã so sánh bảy bộ công cụ trình duyệt cho Deep Agents và chọn Stagehand của Browserbase cho Managed Deep Agents. Sau đó, nhóm dùng các trace trong LangSmith để tìm hành vi kém hiệu quả và chạy đánh giá sau mỗi thay đổi trên ba benchmark sử dụng website thật: WebVoyager, HardBench và WebTailBench. Trong 100 tác vụ WebVoyager chạy với Claude Sonnet 5.5, Stagehand hoàn thành 90% tác vụ với tổng chi phí 1,98 USD và thời gian trung vị 17,4 giây mỗi tác vụ. Playwright MCP hoàn thành 78% tác vụ, tốn 26,71 USD—cao hơn khoảng 13 lần—và mất thời gian gần gấp ba; trên 38 tác vụ cốt lõi của HardBench, Stagehand hoàn thành 30 tác vụ, so với 21 của công cụ dòng lệnh từ Browserbase, trong khi chi phí mỗi tác vụ thấp hơn ba lần. LangChain cho rằng khác biệt chủ yếu đến từ chế độ code của Stagehand, snapshot gọn hiển thị các phần tử tương tác trên trang và việc giảm số lượt trao đổi với trình duyệt. Kết quả cho thấy hiệu quả của agent trình duyệt không chỉ phụ thuộc vào mô hình ngôn ngữ, mà còn phụ thuộc vào cách đóng gói thao tác trình duyệt và thông tin trên trang để giảm các lần gọi công cụ, lượng ngữ cảnh, thời gian và chi phí không cần thiết.
Các nhà phát triển agent có thể xem Stagehand và cách thiết kế code mode, snapshot, cùng quy trình trace–eval như những hướng thực tế để giảm số lần gọi công cụ và chi phí khi cho AI thao tác trên website. Do kết quả được đo trên các benchmark cụ thể, nên vẫn cần thử nghiệm trên luồng công việc và website của chính bạn trước khi triển khai.
Đọc bài gốc