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 的设计理念非常硬核——“一个终端胜过万千抽象”。其整个框架代码量仅约 1，000行，由三个核心模块构成，且无任何复杂的多智能体编排:

  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550行）: 统一的模型交互接口，支持 OpenAI、Anthropic 及 OpenRouter 等后端。

  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。

工作流程: Runner 发送当前任务上下文给模型 → 模型生成“思考过程”与“Shell 命令” → 环境执行并返回结果（输出、截图、报错栈） → 进入下一轮循环，直至任务完成。

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:

  • 逻辑复用: 每次操作生成的都是可重用的 RPA（机器人流程自动化）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: 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: 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。

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: 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。

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:

  • Online-Mind2Web: 基于 GPT-5.4的 Webwright 在100步预算内达到了 86.67% 的准确率，在同类开源方案中位居前列。

  • 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。

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。