微软研究院近日开源了全新网页智能体（Web Agent）框架 Webwright。该框架摒弃了当前主流的“截图/DOM 点击”预测模式，转而让 AI 模型直接在终端内编写 Playwright 代码及执行 Bash 命令，以更高效、更具逻辑性的方式完成复杂网页任务。

image.png

一、核心架构:极简化的“终端优先”范式

Webwright 的设计哲学堪称硬核——信奉“一个终端便能驾驭万千抽象”。整个框架的代码量精简至约一千行，由三大核心模块支撑，完全没有引入复杂的多智能体编排机制。

  1. Runner （约150行）: 负责智能体循环的核心逻辑，管理上下文与执行。

  2. Model Endpoint（约占 550 行）：提供了一个统一的模型交互接口，能够对接 OpenAI、Anthropic 以及 OpenRouter 等多种后端服务。

  3. Terminal Environment （约300行）: 提供一个隔离的终端执行环境，让模型在此运行 Playwright 脚本、查看日志、分析截图并执行调试。

其工作流程是这样的：Runner 将当前任务上下文发送给模型，模型随即生成“思考过程”与对应的“Shell 命令”；环境执行这些命令后，将输出、截图或报错信息返回；系统基于结果进入下一轮循环，如此往复，直到任务圆满结束。

image.png

二、为何要从“点击”转向“写代码”?

当前主流智能体通过不断预测“点击、滚动、输入”来操作浏览器，这种模式存在效率低、状态维持困难等瓶颈。Webwright 的代码驱动模式带来了显著优势:

  • 在逻辑复用方面，Webwright 每次操作产生的都是可重复利用的 RPA（机器人流程自动化）脚本，而非一次性的操作记录。这些生成的脚本还能在 Claude Code、Codex 等其他开发工具中直接被调用。

  • 复杂逻辑处理: 代码天然支持循环、函数与逻辑分支，对于填写表单、跨页面操作、条件跳转等长链路任务，代码的表达力远超简单的动作堆砌。

  • 工程化纠错能力是它的一大亮点：当执行出错时，系统会分析堆栈信息，让模型能够自主进入“编写代码-运行-发现错误-修复”的迭代循环，从而大幅提升任务完成的成功率。

三、工程突破:解决“伪成功”与“上下文膨胀”

针对智能体常遇到的两大痛点，Webwright 引入了针对性方案:

  • 门控自检机制有效避免了模型“幻觉性”地宣告任务完成。模型必须先生成一份“自检配置”，并在一个干净的环境中运行最终脚本，通过自我反思来判断任务是否真正达成，只有确认无误后才会输出完成标记。

  • 历史压缩: 为应对长轨迹导致的上下文超载，系统每执行20步就会将历史对话压缩为一份概要摘要，确保上下文窗口始终聚焦核心进展。

四、测试表现:性能碾压基准线

在2026年5月的基准测试中，Webwright 表现优异:

  • 在 Online-Mind2Web 基准测试中，基于 GPT-5.4 的 Webwright 在 100 步预算内达到了 86.67% 的准确率，在同类开源解决方案中表现突出。

  • Odysseys （长链路任务）: 面对平均272词的复杂指令，Webwright + GPT-5.4取得了 60.1% 的得分，相较于基础 GPT-5.4（33.5%）实现了约 81.5% 的性能增幅，并超越了4月榜单的冠军模型 Opus4.6（44.5%）。

行业评价

Webwright 的诞生揭示了一个重要趋势：随着大模型编程能力的不断增强，智能体正朝着“开发者范式”转型。通过将浏览器视为一个可编程的端点，而不仅仅是交互界面，Webwright 成功地将 AI 执行网页任务的效率与鲁棒性推向了新高度。

对于广大开发者而言，Webwright 不仅是一个智能体框架，更是一个能帮你自动编写、维护和打包自动化脚本的“超级员工”。目前该项目已在 GitHub 开源。