browserbase/stagehand

何を解決するか

Stagehand は、Playwright のような従来のテストツールの制限を克服する専用の SDK を提供します。ウェブ自動化の脆さを解消し、サイトのレイアウト変更時に壊れやすい厳密なハードコードされたセレクタの必要性を減らすために、自然言語を使用してウェブサイトと対話できるエージェントを可能にします。

動作方法

Stagehand は Playwright 風の API と AI ベースのプリミティブを組み合わせます。LLM にページコンテキストのトークン効率的な表現を提供するために、ハイブリッドアクセシビリティツリーのトリミング技術を使用します。低遅延を実現するためにブラウザ拡張として動作します。SDK は以下の 3 つのコアな自然言語関数を提供します：

• act(): 自然言語コマンドを使用してページ上の個々のアクションを実行します。
• observe(): ページ上の操作可能な要素を特定します。
• extract(): 提供されたスキーマに基づいてページから構造化データを取得します。

対象ユーザー

ウェブをナビゲートし、複雑な DOM 構造（ネストされた iframe や Shadow DOM を含む）と対話し、プロダクションレベルの信頼性と可観測性を必要とする AI エージェントを開発する開発者。

特徴

• 自己修復アクション: ウェブサイトのレイアウト変更時に、アクションの実行方法を自動的に検出し、更新します。
• トークン効率: アクセシビリティツリーをトリミングして、LLM のトークン使用量を削減します。
• Playwright を活用: goto、click、locator などの Familiar API を維持し、決定論的な制御を可能にします。
• 多言語対応: TypeScript、Python、Go 用の完全なブラウザドライバとして利用可能。
• エージェント固有の機能: WebMCP、クリップボードサポート、OTel サポートを含む。