browserbase/stagehand

解決する問題

Stagehand は、ブラウザ自動化の一般的な問題を排除します。ウェブサイトがレイアウトを変更するとスクリプトが壊れる問題や、AI エージェントがページ全体を解析しようとしてトークンと時間を無駄にする問題です。開発者とエージェントに、プレーンな英語でブラウザに何をするかを伝える方法（フィールドを見つける、ボタンをクリックする、データを取得する）を提供し、すべてのセレクタをハードコードしたり、サイトが再設計されたときにロジックを書き直したりすることなく、信頼性の高い構造化された結果を得られます。

仕組み

Stagehand は、ブラウザ（ローカルの Chrome またはホスト型の Browserbase クラウド）と一緒に実行される SDK です。自然言語の指示を与えると、それを実際のブラウザ操作に変換します。3 つのコア関数が主要な処理を行います。

• observe は、説明した要素（「メール入力欄」など）の実際の CSS セレクタを見つけ、自分で入力できるようにします。AI モデルが資格情報に触れることはありません。
• act は、「サインインボタンをクリック」など、説明した操作を実行します。サイトが変更された場合はページを再評価するため、自己修復し、操作は引き続き機能します。
• extract は、ページからデータを読み取り、定義したスキーマ（例：番号、金額、支払い状態を含む請求書のリスト）で返します。Zod（TypeScript）、Pydantic（Python）、Go 構造体などのツールで検証されます。

SDK は Playwright スタイルの API（goto、locator、screenshot）に基づいているため、すでに知っている場合は馴染みやすいです。ページコンテキストをエージェントが必要とするものだけに削減し、トークン使用量を削減します。また、ブラウザ拡張機能として実行して各操作のレイテンシを削減し、ネストされた iframe やクローズド Shadow DOM などの最新の Web の複雑さをサポートします。

Google Chrome がインストールされたローカルで実行するか、Browserbase のクラウドを指定できます。クラウドでは、モデルゲートウェイが各ステップに最適な最も安価なモデルを自動的に選択し、サーバー側キャッシュにより、繰り返しの同一呼び出しはトークンを消費しません。Stagehand は、ブラウザを起動せずに動作する軽量の search および fetch 関数も提供します。

対象ユーザー

• ウェブサイトと対話する必要がある Web 自動化スクリプトや AI エージェントを構築する開発者。
• 既存の Playwright コードがあり、AI 駆動の自然言語操作を追加したいチーム。
• ホスト型 MCP サーバーを介して、コーディングエージェント（Claude Code や Cursor など）に Web を閲覧する機能を与えたい人。
• TypeScript、Python、Go のユーザー。Stagehand は 3 つの言語すべてで完全な SDK を提供します。

ハイライト

• 自然言語によるブラウザ制御：観察、操作、抽出。脆弱なセレクタは不要。
• ウェブサイトの再設計に適応する自己修復操作。
• トークン効率が高い：関連するページコンテキストのみがモデルに送信されます。
• TypeScript、Python、Go にわたる Playwright 互換の API サーフェス。
• WebMCP ツール、クリップボード、バッチコマンド、OTel トレースの組み込みサポート。
• オプションの Browserbase クラウド統合（モデルゲートウェイによる自動モデル選択とキャッシュ）。
• アドオン：ブラウザなしで迅速な Web 検索を行うための search および fetch。
• ホスト型 MCP サーバーにより、MCP 対応のコーディングエージェントが Web 上でナビゲートおよび操作できます。