微软开源Webwright框架推动网页智能体转向代码式路径

AI创作导航管理员 LV5 大神连续登录30天萌新

4 个月前

风向

168

2026年5月26日，微软研究院正式开源全新网页智能体框架Webwright，该框架摒弃行业主流的截图/DOM点击式技术路径，采用终端优先设计，支持AI直接编写Playwright代码、执行Bash命令完成复杂网页任务，整体代码量仅约1000行，架构极简，可适配OpenAI、Anthropic等主流大模型后端，为网页智能体落地提供了全新技术方案。

过去三年，网页智能体作为AI Agent的核心落地场景之一，被广泛应用于自动化办公、公开数据采集、企业SaaS系统串联等领域。但当前主流方案普遍采用“截图识别+模拟点击”或“DOM节点解析+触发交互”的技术路径，在面对动态加载网页、多步骤复杂表单、反爬验证等场景时，往往容易出现识别偏差、步骤跳失等问题，交互成功率长期难以突破80%的瓶颈，难以满足企业级高稳定性需求。

此次开源的Webwright直接跳出了“模拟人类交互”的传统思路，核心设计理念为“一个终端胜过万千抽象界面”，整个框架仅用约1000行代码就实现了完整功能，没有复杂的多智能体编排逻辑，仅由三个核心模块构成：150行左右的Runner模块负责智能体运行的核心逻辑，管理上下文传递与任务执行；550行左右的Model Endpoint模块作为统一的模型交互接口，可无缝对接OpenAI、Anthropic、OpenRouter等主流大模型服务；300行左右的Terminal Environment模块提供隔离的运行环境，保障代码执行的安全性。

与传统方案相比，Webwright的最大优势在于直接让大模型通过编写Playwright自动化测试代码、执行Bash命令的方式完成网页操作，跳过了模拟点击的中间层，不仅逻辑可追溯、错误可调试，复杂任务的执行效率也比传统方案提升3倍以上。

千行代码的轻量化设计，也大幅降低了网页智能体的二次开发门槛。此前企业要搭建符合自身需求的定制化网页智能体，往往需要投入大量研发成本做多模块适配与交互逻辑优化，而基于Webwright框架，中小团队甚至个人开发者只需对接符合需求的大模型，就能快速搭建适配特定场景的网页自动化工具，有望进一步降低AI网页自动化的落地成本，推动相关应用在电商运营、政务服务、数据调研等领域的普及。

大语言模型 Webwright 微软研究院网页智能体 Playwright

本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。