microsoft/Webwright

解决的问题

Webwright 解决了传统 Web Agent 的瓶颈，即依赖于逐步的单次动作预测（例如点击特定坐标）。这些传统方法通常非常脆弱，难以处理长程任务。相反，Webwright 将浏览器视为一个可丢弃的环境，编码代理可以通过 Python 脚本对其进行启动、检查和控制，从而使 Web 交互更加稳健、可重用且易于调试。

工作原理

Webwright 不是预测单个下一步动作，而是为 LLM 提供一个可以使用 Playwright 编写并执行自由格式 Python 脚本的终端。代理通过编写代码、执行代码、检查截图和日志，并不断修复代码直到任务完成。状态保存在本地工作区（代码和日志）中，而不是浏览器会话本身。

适用对象

构建使用浏览器的代理的开发人员，或者希望为现有的编码代理（如 Claude Code 或 OpenAI Codex）增强专业 Web 自动化能力的开发人员。

亮点

• 代码即动作 (Code-as-Action)： 使用 Python 脚本而非离散的工具调用，允许循环、函数和复杂的逻辑。
• 技能工厂 (Skill Factory)： 将成功的任务解决方案提炼为可重用的、参数化的 Python 技能，这些技能可以在没有 LLM 的情况下独立运行，从而显著提高准确性并降低 Token 成本。
• 轻量级架构： 具有零隐藏框架的极简核心循环，使其易于调试和分叉。
• 插件支持： 提供可直接用于集成到 Claude Code、OpenAI Codex、OpenClaw 和 Hermes Agent 的清单。
• 高性能： 在 Online-Mind2Web 和 Odysseys 长程 Web 任务基准测试中取得了最先进的结果。