Agent Browser
agent-browser-io · Programación
Agent Browser es una herramienta de automatización de navegador que permite a un agente de IA manejar un navegador web real igual que lo haría una persona. Convierte las páginas en esquemas ASCII compactos, así el modelo lee enlaces y botones como texto indexado en lugar de analizar páginas enteras de HTML sin procesar. Puedes usarla dentro de un cliente MCP como Cursor o Claude Desktop, integrarla en una aplicación Node con el Vercel AI SDK, o probarla desde la línea de comandos.
Acerca de Agent Browser
Qué es Agent Browser
Agent Browser es un paquete experimental de agent-browser-io que da manos y ojos a los agentes de IA en la web. En lugar de extraer HTML estático, el agente abre un navegador en vivo a través de Playwright y luego pide un esquema: un mapa de texto reducido donde cada elemento en el que se puede hacer clic recibe un número. El agente elige un número, y la herramienta hace clic, escribe o desplaza por él.
El punto clave es el coste de tokens. Una página web completa puede quemar miles de tokens en marcado que el modelo no necesita. Ese es el problema. Entonces, ¿qué ve realmente el agente? Un mapa de texto corto, no la página entera. El esquema lo reduce a las partes que importan, lo que mantiene al agente dentro de su ventana de contexto en tareas más largas. Es software temprano. El proyecto se etiqueta como experimental, y su última publicación fue la versión 0.3.0. Espera asperezas.
El principal límite es el mantenimiento y el acabado. El repositorio es público y pequeño, así que no hay mesa de soporte si un sitio objetivo cambia su diseño y rompe tu flujo. También necesitas Node 18 o superior para ejecutarlo. Para proyectos de hobby y creación de herramientas, está bien. Para producción, piénsalo dos veces.
Primeros pasos
- Instala el paquete con
npm install @agent-browser-io/browseren un proyecto con Node 18+. - Para usarlo desde un asistente de IA, añade el servidor MCP a la configuración de tu cliente con el comando
npxy los argumentos["-y", "@agent-browser-io/browser", "mcp"], luego reinicia el cliente. - Haz que el agente llame primero a la herramienta
launch, ya que navigate, click y el resto dependen de un navegador en ejecución. - Pide un esquema para ver la página como elementos numerados, luego dile al agente qué número pulsar o qué escribir.
- Para uso en código, crea el navegador con
new AgentBrowser(new PlaywrightBrowserBackend())y pasacreateBrowserTools(browser)a una llamada degenerateText.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de Agent Browser.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Desarrolladores que crean agentes de IA
- Usuarios de Cursor y Claude Desktop
- Trasteadores de QA y automatización
Tareas
- Leer y resumir páginas
- Rellenar formularios y recorrer flujos
- Investigaciones de varios pasos
Casos de uso
- Crear un bot de investigación interno que escanea unos cuantos sitios y reporta.
- Probar un flujo web desde un script en lugar de hacer clic a mano.
- Prototipar una función de agente donde necesitas control real del navegador, no una simple petición sin interfaz.
Funciones clave
Esquemas eficientes en tokens
Agent Browser representa una página como un mapa ASCII con elementos numerados, que es el núcleo de cómo ahorra tokens. El agente lee etiquetas como [11]upvote y elige el número en vez de cargar todo el DOM. En una página cargada, esa es la diferencia entre unos cientos de tokens y varios miles, y ese margen permite que las tareas largas terminen en lugar de perder el hilo.
Control real del navegador mediante Playwright
La herramienta maneja un navegador real a través de Playwright. Eso es la clásica automatización de navegador con Playwright, apuntada a un agente en vez de a un script de pruebas. Funciona en páginas que necesitan JavaScript, cookies o una sesión en vivo. Todo lo que una persona puede pulsar, el agente lo puede pulsar. No es un scraper sin interfaz que finge ser un navegador, algo que importa cuando un sitio bloquea las peticiones simples.
Integración con MCP
El paquete incluye un servidor MCP que puedes colocar en Cursor, Claude Desktop o cualquier cliente MCP basado en stdio. Una entrada de configuración expone todo el conjunto de herramientas de navegador MCP, y el servidor habla JSON-RPC sobre stdin y stdout sin variables de entorno adicionales. Si tu asistente ya usa MCP, este es el camino más corto para darle un navegador.
Herramientas del Vercel AI SDK
Para código, createBrowserTools(browser) devuelve un conjunto de herramientas que pasas directamente a generateText. El conjunto cubre launch, navigate, getWireframe, click, type, fill, dblclick, hover, press, select, check, uncheck, scroll, screenshot y close. Coincide con el servidor MCP, así que el comportamiento es el mismo lo llames como lo llames.
CLI interactiva
Puedes ejecutar la CLI para pruebas manuales con npx @agent-browser-io/browser o el binario agent-browser-cli tras la instalación. ¿Para qué molestarse? Es la forma más rápida de comprobar que un esquema se ve bien. Confirma que los selectores caen donde esperas antes de comprometerte con un script.
Capturas junto a los esquemas
Cuando necesitas ver los píxeles reales, la herramienta de captura toma la página como imagen. Simple. El esquema se encarga de la estructura y la captura del detalle visual, así puedes cambiar según si el agente necesita leer o mirar.
Ventajas y desventajas
Ventajas
- Los esquemas recortan el uso de tokens en tareas con muchas páginas, lo que mantiene a los agentes dentro de su ventana de contexto.
- Funciona con clientes MCP como Cursor y Claude Desktop mediante un solo bloque de configuración.
- Código abierto y gratuito, con todo el código en GitHub para que cualquiera lo inspeccione o lo bifurque.
- Maneja un navegador Playwright real, así los sitios con mucho JavaScript se comportan como lo hacen para una persona.
- El mismo conjunto de herramientas alimenta el servidor MCP y la ruta de código, así los resultados son consistentes.
Desventajas
- Marcado como experimental, y la última versión fue la 0.3.0, así que las API aún pueden cambiar bajo tus pies.
- Sin servicio alojado ni soporte, lo que significa que depuras los problemas tú mismo.
- Requiere Node 18+ y algo de configuración, así que no es una herramienta de un clic para quien no programa.
- Las páginas que cambian su diseño pueden romper un flujo guardado, y tendrás que reconstruir los pasos.
Preguntas frecuentes
Permite que un agente de IA controle un navegador real para navegar, hacer clic, escribir y leer páginas. La gente lo usa para crear bots de investigación, automatizar flujos web y dar a los asistentes MCP la capacidad de navegar.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con Agent Browser.
Alternativas a Agent Browser
Forefront
Forefront · ProgramaciónForefront es una plataforma web para construir con IA de código abierto. Te deja ajustar los principales modelos de lenguaje de código abierto con tus propios datos, evaluar cómo rinden y ejecutarlos a través de una API o exportarlos para alojarlos tú mismo. Los desarrolladores que quieren la comodidad de una plataforma cerrada pero insisten en ser dueños de sus modelos y sus datos son el público objetivo.
Startkit
StartKit.AI · ProgramaciónStartkit es un boilerplate para crear productos de SaaS con IA y wrappers de IA. Piénsalo como un boilerplate para startups de IA con las partes aburridas ya conectadas: autenticación, pagos con Stripe y Lemon Squeezy, límites de uso, correo transaccional y un kit de inicio de API de IA que habla con OpenAI, Anthropic, Groq o Llama. Clonas el repositorio, pones tu precio y te dedicas a la parte del producto por la que la gente paga de verdad. Está hecho con Next.js sobre React y Tailwind, así que buena parte del código boilerplate ya te resulta familiar.
Testim
Tricentis · ProgramaciónTestim es una plataforma de automatización de pruebas impulsada por IA para crear y ejecutar pruebas de extremo a extremo en aplicaciones web, móviles y Salesforce. Se apoya en el aprendizaje automático para mantener las pruebas estables cuando cambia una interfaz, así que los equipos dedican menos tiempo a reparar selectores rotos. No está nada mal para una herramienta de pruebas automatizadas que puedes empezar a usar hoy mismo. Creas pruebas grabando acciones en un navegador y luego añades JavaScript cuando necesitas más control. Es una opción sólida para equipos de QA con mucho trabajo.