Agent 浏览器工具怎么选：通过率相近，成本差 13 倍
给 Agent 接浏览器，最常见的选择是 Playwright MCP、各家云浏览器的 MCP，或者 Stagehand、agent-browser 这类专门给 Agent 用的工具。LangChain 在 2026-11-03 发了一篇评测，用同一个模型、同一批 100 个网页任务比了 7 套浏览器工具：通过率都在 78% 到 90% 之间，花的钱却差了 13 倍。下面按 LangChain 官方博客和文档（2026-11-04 北京时间查阅），讲清差距出在哪，以及选型和接入时该看什么。
通过率差不多，账单差 13 倍
评测用的是 WebVoyager 的 100 个任务，模型统一为 Claude Sonnet 5.5。7 套工具的通过率落在 78% 到 90%。Stagehand 工具通过率最高（90%），100 个任务总共花了 1.98 美元，单任务中位耗时 17.4 秒。Playwright MCP 通过 78%，花了 26.71 美元，约是前者的 13 倍，单任务耗时也是它的 3 倍。
| 指标 | Stagehand | 对照 |
|---|---|---|
| WebVoyager 通过率 / 总成本 | 90% / 1.98 美元 | Playwright MCP：78% / 26.71 美元 |
| 平均每任务步数 | 10 步 | Playwright MCP：26 轮 |
| 一次页面导航回传 | 中位 117 字符 | Browserbase 托管 MCP：中位约 17,000 字符 |
| HardBench 38 个核心任务 | 通过 30 个（写代码的 run） | 命令式 browse CLI：通过 21 个 |
这些是 LangChain 在自己的评测集上测的，Stagehand 又是他们推荐的方案，换成你的任务数字会变。差距的方向和原因值得参考。
钱花在哪：回传内容和轮数
每次工具调用的返回值都会进模型上下文。一次导航回来 17,000 字符的页面，和回来 117 字符的摘要，乘上几十轮，token 账单就拉开了。轮数是第二个乘数：每多一轮，模型就要把前面的上下文再读一遍。
浏览器工具省不省钱，看两件事：每次回传多少，一共走几轮。
评测里另有两条发现：
- 事后截断没用。把快照硬截到 8,000 字符，Agent 只会再去抓一次页面。精简得在工具源头做，只返回可交互元素和与任务相关的文本。
- 截图不便宜。截图中位 89 KB 一张，模型还得自己看图理解。能用无障碍树文本完成的步骤，别默认截图。
让 Agent 写代码，少走几轮
把一串点击、输入合并成一次执行，是降轮数最直接的办法。评测里，把 Browserbase 的 MCP 工具改成在解释器里用代码批量调用，成本降了 4 倍（17.87 美元到 4.52 美元）。Stagehand 的 run 工具本身就接受代码，支持 Playwright 风格的 page、context、browser 对象。思路和站内讲过的 Code Mode 一样。
代码风格也有讲究。LangChain 试过让 run 改收 Stagehand 原生 API，通过率反而少 5.3 个百分点，每个通过任务的成本高 19%。模型对 Playwright 写法更熟，换成它没见过的 API 就容易写错。
等待也很费时间。Agent 写的 sleep(8) 大部分时间在空等。LangChain 把 run 改成页面安静 500 毫秒就结束等待，不超过 Agent 要求的时长，一次 8 秒的等待 0.6 秒就返回了。配合其他改动，HardBench 上的中位耗时从 182 秒降到 124 秒，准确率在误差范围内。
用 Stagehand 给 Deep Agents 接浏览器
LangChain 文档给的最小接法如下（要求 Python 3.11+、LangChain 1.4.7+、Stagehand 4.3.0+）：
pip install langchain-stagehand deepagents langchain-openai
export OPENAI_API_KEY="..."
export BROWSERBASE_API_KEY="..."然后用 StagehandMiddleware 把一个配好的 Stagehand 客户端挂到 Agent 上：
from deepagents import create_deep_agent
from langchain_stagehand import StagehandMiddleware
agent = create_deep_agent(
model=...,
middleware=[StagehandMiddleware(stagehand=stagehand)],
)Agent 会拿到三个工具：snapshot 读当前页的无障碍树并给可交互元素编号，run 批量执行点击、填写或一段 JS，screenshot 截图。不用另起 MCP 服务器，也不用写浏览器系统提示词。
浏览器放哪也要选。本机或沙箱里的 Chrome 能访问 localhost，适合测自己的应用；Browserbase 这类云浏览器和你的机器隔离，要 API Key，但访问不了你本机的 localhost。托管版 Managed Deep Agents 用 define_browser 声明浏览器，scope 可选按线程或按用户保留会话。
登录这一步，交给人做
浏览器任务最常卡在登录页。把账号密码写进提示词，密码就会出现在模型消息、调用记录里，也会发到模型服务商那边。Managed Deep Agents 的做法是给 Agent 一个 browser_handoff 工具：遇到登录页，Agent 调用它并写明原因，比如「请登录某某网站，我再继续」。你在 LangSmith Studio 里拿到同一个浏览器，自己登录后点 Hand back，Agent 接着往下做。
会话范围决定登录态留多久。scope="thread" 是默认值，每个对话都从一个干净的浏览器窗口开始，不带别的对话留下的 cookie。scope="user" 让同一个用户的多个对话共享 cookie，登录一次，后面的对话都能用；每个对话仍有自己的窗口，不会互相抢着点。浏览器闲置超过 idle_ttl_seconds（默认 600 秒）就会停掉，不为没人用的浏览器付钱。
已经在用 Playwright MCP 怎么办
不一定要换。文档里 Playwright MCP 和 Vercel Labs 的 agent-browser 都列为可选方案。想省 token，可以从这几处下手：
- 让 Agent 优先读快照文本，截图只在需要看布局时用。
- 能写成一段脚本的连续操作，让 Agent 一次执行完，别一步一调。
- 把固定的
sleep改成等待具体元素或网络空闲。 - 按任务统计步数和 token，找出回传最大的那几个调用。
常见坑
- 只看通过率。7 套工具通过率差 12 个百分点，成本却差 13 倍，选型要把单任务成本和耗时一起算。
- 云浏览器测本地应用。远程浏览器访问不了你本机的 localhost，端到端测试要用本机或沙箱里的 Chrome。
- 把密码交给 Agent。登录让人来做，用 handoff 或手动登录后再交回，密码别进提示词。
- 元素编号跨页面用。Stagehand 的元素 ID 只对当前页最新一次快照有效，导航后要重新
snapshot。
完成标准
- 拿 10 个你自己的典型网页任务，记下通过数、总 token 和单任务耗时。
- 知道哪个工具调用回传最大，并已在源头精简。
- 本地应用测试用的是能访问 localhost 的浏览器。
最后
先别急着换工具。挑 10 个常跑的网页任务，把步数和 token 记下来，看钱是花在回传上还是轮数上，再决定改写法还是换工具。想了解浏览器 Agent 的基本原理，看本站的 Computer Use 入门。
