Browserbase 及其开源 Stagehand 框架旨在为 AI 代理创建更有效的浏览器工具，解决传统浏览器自动化工具的脆弱性问题。
译自：Why AI Agents Need a New Kind of Browser
作者：Frederic Lardinois
AI 代理需要浏览网页，但传统的浏览器自动化工具对于这项任务来说过于脆弱。这就是连续创业者 Paul Klein IV 正在通过 Browserbase 及其开源框架 Stagehand 解决的问题：创建一个 AI 代理可以有效使用的浏览器工具。
“我真的很喜欢思考，我如何才能通过驱动软件的基元来帮助推动软件的未来？” Klein 在我们的 The New Stack Agents 播客第四版中解释道。“我在 Twilio 做过这件事。我在 Mux 做过这件事。现在我们正在用 Browserbase 再次做这件事，但在一个更新的类别中，这就是代理浏览器，或者可以被 AI 控制的浏览器的概念。”
适用于智能 AI 代理的无头浏览器
为测试而构建的传统无头浏览器工具出了名的脆弱。即使一个按钮移动几个像素，测试也会中断。但是 AI 代理需要完全不同的东西。
“随着开发人员构建了更多在线存在的软件、更多网站和 Web 应用程序，他们需要一种测试这些应用程序的方法，” Klein 在被问及无头浏览器的历史时解释说，也就是没有典型用户界面的浏览器。“事实证明，在发布一个功能后，进入网站上的新功能并点击所有按钮 100 次，并且每次更改功能时都继续这样做，这是非常乏味的。因此，开发人员开始思考方法，好的，现在我们有人使用浏览器，但对于我们的软件测试工作流程，我们需要计算机。[...] 所以让我们创建一个可以被一些代码控制的浏览器。”
他解释说，在某种程度上，这些工具在设计上是脆弱的，因为当更改破坏 Web 应用程序时，开发人员需要知道它。Browserbase 的开源工具 Stagehand 采取了不同的方法。Klein 指出，Stagehand 的构建比现有框架更持久，因为它可以在站点上处理这些类型的更改，并处理 LLM 提示的模糊性。
“在旧世界中，你可以说：点击登录按钮。它是页面上的第五个按钮。颜色是红色。上面写着‘登录’，” Klein 解释说。“在新世界中，你可以告诉 AI：嘿，我想点击登录按钮。你为我解决这个问题。如果登录按钮改变颜色，也许它改变了位置，也许从‘登录’变为‘注册’，你仍然可以使用大型语言模型在页面上找到该按钮。”
Klein 认为，这种转变释放了巨大的潜力。“在旧世界中，如果你想自动化 100 个网站，你必须编写 100 个脚本。在 AI 的新世界中，你可以编写一个可以控制数百、数千或数百万个网站的脚本。”
为 AI 未来构建浏览器基础设施
“在 Browserbase，我们帮助 AI 代理与互联网交互，” Klein 说。“因此，我们提供了浏览器工具，这是一个重要的工具，可以让 AI 代表你工作。当你想到你和我每天所做的所有工作时，很多工作都发生在浏览器上，与互联网上的网站交互。因此，如果我们想要拥有 AI 将帮助我们工作的未来，我们必须为 AI 提供工具来与我们已经完成的工作进行交互，那就是 Web 浏览器。”
Klein 的愿景不仅仅是让浏览器更智能。他看到了人与软件之间的界面从根本上发生变化的未来。“我认为软件的未来实际上根本不是在考虑浏览器。你正在考虑更强大的按钮，”他说。“当我说，提交我的税款时，它不会给我一个我打印出来的 PDF。它只会去网站并为我完成它。”
但是构建这个基础设施并非易事。“浏览器本身并非设计为在服务器上运行。无头一直是一种黑客行为，” Klein 承认。为代理构建浏览器工具的技术挑战有很多，从处理表情符号和编解码器到跨分布式系统管理时区和区域设置。
当 AWS 打电话时，你会怎么做？
我们在 AWS 宣布其 Bedrock AgentCore 服务以在生产中大规模运行 AI 代理的同一天录制了播客。此服务包括一个浏览器工具，事实证明，Klein 今年 4 月与 AWS 举行了一次会议，讨论潜在的合作伙伴关系。在 X/Twitter 上，Klein 对他对此会议的看法 非常直言不讳。“我们不担心。它缺乏使 Browserbase 变得伟大的所有东西，”他写道。“但三个月前，AWS 伏击了我们，举行了一次‘合作伙伴会议’，试图窃取我们的秘密。我们看穿了这一点，”他在 X 上写道。
当然，我们向他询问了有关此会议的更多详细信息。
“我对 AWS 在这里的一些行为感到有点失望，但这很正常。这不是非法的。你知道，试图安排一次会议并询问我关于他们的产品当然不是非法的，最后，我告诉了他们我现在告诉你的同样的事情：使 Browserbase 变得伟大的事情是我们热爱我们的开发人员社区，是那些为 Stagehand 做出贡献的人，以及我们完全沉迷于构建下一个类别定义公司，这将允许所有类型的 AI 出去并自动化 Web。”
至于会议本身，Klein 说这让他想起了硅谷剧集中的一个场景，“Pied Piper 的人们被拉入会议，突然出现一个白板，他们要求你写下你的架构是如何工作的。”
