微软开源Webwright，网页智能体转向代码驱动

微软研究院近日开源了全新的网页智能体框架Webwright，这一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。Webwright的设计理念是“一个终端胜过万千抽象”，其整个框架代码量仅约1000行，由三个核心模块构成：Runner（约150行）负责智能体循环的核心逻辑；Model Endpoint（约550行）提供统一的模型交互接口，支持OpenAI、Anthropic及OpenRouter等后端；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。

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：逻辑复用方面，每次操作生成的都是可重用的RPA脚本，而非一次性点击记录，这些脚本可在Claude Code、Codex等其他工具中被调用；复杂逻辑处理方面，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；工程化纠错方面，通过执行报错后的堆栈分析，模型可以自主进入“写代码-运行-报错-修复”的迭代循环，极大提升了任务成功率。

针对智能体常遇到的两大痛点，Webwright引入了针对性方案：门控自检机制防止模型“幻觉性”宣告任务完成，模型必须先生成一份“自检配置”，并在干净的环境中运行最终脚本，通过自我反思判断任务是否真正达成，才能输出完成标记；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。

在2026年5月的基准测试中，Webwright表现优异：基于GPT-5.4的Webwright在Online-Mind2Web基准测试中，于100步预算内达到了86.67%的准确率，在同类开源方案中位居前列；在Odysseys长链路任务中，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%）。Webwright的出现展示了一个重要趋势：随着模型编程能力的提升，智能体正在向“开发者范式”转型。通过将浏览器视为一个可编程的端点，而非单纯的交互界面，Webwright成功将AI网页任务的执行效率与鲁棒性提升到了新的高度。目前该项目已在GitHub开源，对于广大开发者而言，Webwright不仅是一个智能体框架，更是一个能帮助自动编写、维护和打包自动化脚本的“超级员工”。