LangChain 称其自测中 Stagehand 在 WebVoyager 通过率 90%、总成本 1.98 美元，Playwright MCP（模型上下文协议） 为 78%、26.71 美元
LangChain 于 2026 年 11 月 3 日发布技术博客，称其 Managed Deep Agents 在比较七套浏览器工具集后选用 Browserbase 的 Stagehand，并基于 LangSmith 轨迹迭代优化。
文章给出 WebVoyager 100 项任务结果：Stagehand 通过率 90%、总成本 1.98 美元、中位每任务 17.4 秒；
Playwright MCP（模型上下文协议） 通过率 78%、总成本 26.71 美元。 作者认为工具返回给模型的上下文量与交互轮次是成本关键。
LangChain 为 Stagehand 采用方并推广相关产品，基准结果由其与 Browserbase 自测，非独立评测，未见独立复现。
LangChain 工程师 Sydney Runkle 在 2026 年 11 月 3 日博客中称，团队以 WebVoyager（100 项日常站点任务，Claude Sonnet 5.5 执行）、HardBench（102 项较难任务，多数用 Claude Opus 5.5）和 WebTailBench（150 项任务）比较七种工具集。
WebVoyager 上各工具集通过率在 78% 至 90% 之间； Stagehand 通过 90%、总成本 1.98 美元、中位每任务 17.4 秒，Playwright MCP（模型上下文协议） 通过 78%、总成本 26.71 美元、耗时约为其三倍。
HardBench 的 38 项核心任务中，用 Stagehand 写代码式 run 工具时 Deep Agents 通过 30 项，Browserbase 命令式 browse CLI 通过 21 项、每任务成本约为其三倍。 文中还称 Stagehand 的 run 平均每任务 10 步，Playwright MCP 为 26 步；
一次页面导航返回文本中位数为 117 字符，Browserbase 托管 navigate 工具约为 17,000 字符。
团队在 LangSmith 轨迹中发现代理使用 page.waitForTimeout(8000) 等固定等待，改为页面静默 500 毫秒即结束等待后，HardBench 中位代理耗时从 182 秒降至 124 秒，准确率在误差范围内。 这些数字均为 LangChain 与 Browserbase 自测或引用自测，未见独立复现。
这篇技术复盘的价值不在榜单名次，而在于揭示浏览器代理的成本结构：单次点击在 Playwright 上要经过 5 次 CDP（Chrome 开发者工具协议）调用，一次页面导航返回的内容量可达上万字符，二者共同推高每一轮的 token 与时间开销。 Stagehand 以页面可访问性树快照替代截图、以代码模式批量执行动作，属于从工具设计层面压缩上下文压力。
在源文所测英文主流站点任务上，单任务成本与耗时有所下降； 对中文站点与消费级应用的影响尚待独立验证。 但需注意：上述对比由工具采用方发布，基准任务以英文主流站点为主，未覆盖中文站点与移动端场景。
后续观察信号
- Stagehand 快照机制面对复杂表单与验证码时的失败模式
- 以代码模式执行页面操作对用户授权与可审计性的影响
- 中文电商与订阅类站点上的同类基准是否出现不同结论