当前位置：首页 » AI开源项目

微软开源Webwright：让 LLM 直接写 Playwright 脚本，浏览器 Agent 性能达 SOTA

1月前 AI开源项目 539 0

2026 年 5 月，微软正式开源了终端原生 Web Agent 框架 Webwright。项目刚发布就引发了 Agent 开发社区的广泛讨论。

核心设计：完全跳出单步操作的旧模式

过去绝大多数浏览器 Agent 都走同一条路径：观察当前页面状态 → 预测下一步点击/输入动作 → 执行，每一步都要调用 LLM 做判断。这套设计在 LLM 能力较弱的时候确实有效，但随着模型写代码能力的提升，反而成了瓶颈。

Webwright 的思路完全不同，更接近真实工程师做自动化的逻辑：

让 LLM 直接编写可运行的 Playwright 脚本，把网页操作转化成可复用的 Python 程序
所有状态（脚本、截图、日志）都存在本地工作区，浏览器会话是可以随时启动、检查、丢弃的运行环境，而非状态载体
架构极简，核心只有三个模块共约 1500 行代码：Runner（150 行）、Model Endpoint（550 行）、Environment（300 行），没有多智能体系统、没有图引擎、没有多余的插件层，仅依赖 httpx、pydantic、playwright、typer 四个库

这种模式的直接好处是，Agent 运行完任务留下的并非一次性操作痕迹，而是可直接修改、复用、分享的自动化脚本。

苏米注：这个设计思路很精妙。与其让 Agent 一步步"猜"该点哪里，不如让 Agent 直接写出完整的自动化脚本。把决策和execution分离，浏览器只是运行环境，本地工作区才是状态载体。

性能达到 SOTA 级别

Webwright 在两个主流浏览器 Agent 基准测试上都拿到了当前开源框架的最好成绩，100 步预算下的测试结果：

Online-Mind2Web（300 个真实网页任务）：用 GPT-5.4 达到 86.7% 的准确率，是同类开源 harness 的最高水平；用 Claude Opus 4.7 也能达到 84.7%，在难例拆分上甚至超过 GPT-5.4（80.5% vs 76.6%）
Odysseys（200 个长程任务，平均需要 76.1 步）：用 GPT-5.4 达到 60.1% 的完成率，比之前的 SOTA 高出 15.6 个百分点，比用坐标预测的基线 GPT-5.4 高出 26.6 个百分点

另外测试显示，哪怕是 Qwen-3.5-9B 这类小模型，配合预置的工具脚本，也能在 Online-Mind2Web 的难例上达到 66.2% 的完成率，适合低成本部署场景。

生态集成与附加功能

Webwright 已经完成了主流 Agent 生态的适配，不用改现有工作流就能接入：

Claude Code：直接通过插件市场安装，支持 /webwright:run（一次性任务）和 /webwright:craft（生成可复用的参数化脚本）两个命令
OpenAI Codex：通过插件市场安装后，用 @webwright 就能直接调用
OpenClaw、Hermes Agent：共用同一套 skill 目录，直接加载即可使用

另外还有两个实用功能：

Task2UI 模式：任务完成后自动把结果渲染成可交互的 HTML 应用，不用自己再做可视化
全程可审计：每次运行的轨迹、截图、日志都会存在本地，方便调试和回溯

和同类项目的核心区别

社区也有人提到 Webwright 和 browser-use、agent-browser 等项目的差异，官方给出的架构对比如下：

维度	Stagehand (Browserbase)	agent-browser (Vercel)	browser-use	Webwright
范式	混合：代码+自然语言	原语供其他 Agent 调用的 CLI 工具	基于 DOM 快照的自主 LLM 循环	带终端的编码 Agent，浏览器只是启动的运行环境
动作空间	Playwright 代码，或自然语言转译的 Playwright	离散子命令（打开、点击、截图等）	LLM 选择的索引式点击/输入	自由格式 Python，自己写完整 Playwright 脚本
状态载体	浏览器会话	浏览器会话	浏览器会话	本地工作区（代码、截图、日志），浏览器可丢弃
循环形态	命令式，需要时做多步操作	每个微操作调用一次 CLI	观察→预测动作→执行循环	写代码→执行→检查截图→修复代码

行业共识：Agent 要跳出单步操作的局限

Webwright 的设计思路在社区得到了广泛认同，不少从业者表示这才是浏览器 Agent 的正确发展方向。

有开发者指出，绝大多数自动化的瓶颈不在动作层，而在决策循环。Playwright 点的已经足够快，真正的问题是该点什么。如果新工具能压缩这个决策 gap，就是完全不同的品类，如果只是重新包装一层 CDP 调用，最多是横向移动。

FSB（Full Self Browsing）的作者 Lakshman Turlapati 表示，Webwright 说明方向是对的：Agent 不该只猜下一步点击，还要能把真实浏览器会话、DOM、截图、日志和恢复机制放进同一个控制层。FSB 做的就是 Chrome 端的 MCP 层，让 Codex、Claude、Cursor 这类 Agent 能直接控制用户的真实 Chrome，保留原有的 cookie、扩展、登录态，同时做到敏感信息不泄露、多 Agent tab 隔离，适合处理收件箱分类、客服回复、数据拉取等需要登录态的重复工作。

还有开发者表示，Webwright 本质就是面向浏览场景的编码 Agent，自己之前手动用 Copilot CLI + Playwright MCP 搭过类似的工作流，现在终于有了更 streamlined 的官方方案。

快速上手

基础运行

环境要求：Python 3.10+，Playwright 安装的 Chromium，对应后端的 API 密钥（OpenAI/Anthropic/OpenRouter）。

# 安装
pip install -e .
playwright install chromium

# 运行示例任务
python -m webwright.run.cli \
    -c base.yaml -c model_openai.yaml \
    -t "Search for flights from SEA to JFK on 2026-08-15 to 2026-08-20" \
    --start-url https://www.google.com/flights \
    --task-id demo_openai \
    -o outputs/default

作为 Claude Code 插件安装

# 添加插件市场
/plugin marketplace add microsoft/Webwright
# 安装插件
/plugin install webwright@webwright