LangChain 为托管智能体加入浏览器操作能力,登录可交还用户完成
LangChain(美国 AI(人工智能) 智能体开发平台公司)在托管 Deep Agents 中内置浏览器,智能体可点击、滚动、填表,处理没有 API(应用程序接口)可用的网页任务。
登录环节通过 handoff 交还用户本人输入账号,凭据在会话间保留。 官方称在 WebVoyager 的 100 项任务中通过率 90%、总成本 1.98 美元,但这是厂商自测,尚非独立验证。
LangChain 于 2026 年 10 月 29 日发布博客,介绍 Managed Deep Agents 的浏览器能力。 浏览器运行在 LangSmith 独立沙箱中,与智能体分离,不占用用户本机。
会话范围分 thread(默认,每个对话独立浏览器)与 user(同一登录用户跨对话共享 cookie 等状态),无活动后按 idle_ttl_seconds 停止,默认 10 分钟。
工具包括 browser_snapshot(读取页面无障碍树并给交互元素编号)、browser_run(批量执行点击、填写或 Playwright 风格脚本)、browser_screenshot 和 browser_handoff。
登录时智能体调用 browser_handoff 并给出理由,用户在 LangSmith Studio 的交互卡片中自行登录后点击 Hand back。 浏览器工具基于 Browserbase(浏览器基础设施公司)的开源 SDK(软件开发工具包) Stagehand 构建。
LangChain 称在 WebVoyager 基准的 100 项真实网站任务上通过率 90%、总成本 1.98 美元,为所测七套工具中最高,最接近的 Browserbase MCP(模型上下文协议) 服务器通过率 89%、成本为其 9 倍。
这项更新把“智能体替人操作网页”从演示推进到可部署的基础设施层,关键设计是凭据不交给模型,而是通过人工接管完成登录。 对消费类应用而言,这意味着订阅取消、旅行预订、保险理赔等原本只面向人类界面的流程,将越来越多被自动化程序触达,网站的反自动化与身份验证策略会直接影响这类产品的可用性。
需要区分两点:90% 通过率是厂商在公开基准上的自测结果,不能等同于真实场景稳定性; 通过率与成本对比仅来自厂商单方披露,未有第三方复现。
后续观察信号
- 查找 WebVoyager 基准的公开定义与其他工具的对比结果
