LangChain对比七套浏览器工具后选用Stagehand，称代码模式将单任务成本从26.71美元降至1.98美元
LangChain称在WebVoyager的100项任务中，Stagehand工具通过率90%、总成本1.98美元，Playwright MCP通过率78%、总成本26.71美元，单任务中位耗时约3倍。该公司根据LangSmith追踪记录修改等待逻辑，HardBench上中位时间从182秒降至124秒，准确率变化在噪声范围内。
AI解读：LangChain为其Managed Deep Agents产品选择浏览器工具，对比七套方案后在WebVoyager 100项任务中选中Browserbase的Stagehand，并通过LangSmith追踪和评测迭代修改。
该公司公布的对比数字：Stagehand通过90%、总成本1.98美元、单任务中位17.4秒；Playwright MCP通过78%、26.71美元、耗时约3倍。后者的成本约为前者13倍。
AI解读：这组数据说明的是工具调用方式对token消耗的影响——让模型写一段代码连续执行多步浏览器操作，比每步单独调用工具更省上下文。不过测试使用Claude Sonnet 5.5、判定由Jev judge完成，结论限于Live网站基准任务，不等于任意业务场景均可复现同等差距。
LangChain于8月12日发文，介绍其为Managed Deep Agents产品挑选并改造浏览器工具的过程。该公司称对比七套浏览器工具集后选择Browserbase的Stagehand，并以LangSmith追踪记录和基准评测为依据做了多处修改，其中一项是把代理脚本里的固定等待改为页面安静500毫秒后提前返回。
文章由LangChain发布，评测数字来自该公司自行运行的基准。
七套工具对比：通过率接近，成本与耗时差距明显
LangChain把工具集分为三类：原生工具逐个调用单击、导航等动作（Playwright MCP、browser-use、Browserbase MCP）；CLI工具由代理在shell中执行浏览器命令（agent-browser、Browserbase的browse CLI）；代码模式由代理写代码调用浏览器，一次调用可执行多步（Stagehand工具，以及在代码中调用Browserbase MCP）。
在WebVoyager的100项日常任务上（覆盖Allrecipes、Amazon、Google Flights等站点，使用Claude Sonnet 5.5，由Jev judge判定），七套工具通过率在78%到90%之间，成本与速度差别较大。Stagehand通过最多（90%），总成本1.98美元，单任务中位耗时17.4秒；Playwright MCP通过78%，总成本26.71美元，单任务耗时约为前者3倍。
LangChain称这一差距在更难的任务上仍然存在：HardBench的38项核心任务中，Stagehand的代码式run工具通过30项，Browserbase命令式browse CLI通过21项，后者单任务成本约为3倍。
- WebVoyager：100项任务；Stagehand 90%通过、1.98美元；Playwright MCP 78%通过、26.71美元。
- 单任务中位耗时：Stagehand 17.4秒；Playwright MCP约3倍。
- HardBench 38项核心任务：Stagehand run工具通过30项，browse CLI通过21项。
代码模式与快照：减少模型轮次和回传内容
LangChain称浏览器任务的两个特点是顺序工具调用多、页面内容大。文章引用数据称，在Playwright MCP上，单个WebVoyager任务平均需要26个模型轮次；通过Browserbase托管MCP服务器导航一次，中位返回约17,000个字符。
Stagehand提供三个工具：snapshot读取页面的可访问性树，并为交互元素标注ID；run用一批动作或Playwright风格代码操作页面；screenshot截取渲染后的页面。LangChain称，run平均每任务10步，而Playwright MCP为26步；一次导航回传中位117个字符，而Browserbase托管导航工具约17,000个字符。
文章还称，把Browserbase的MCP工具放进代码解释器中调用、而非逐个调用，可将其成本降低4倍（从17.87美元降至4.52美元）。这一对比发生在选定Stagehand之前。
Stagehand的run接收Playwright风格代码，因为模型对Playwright训练语料多。LangChain称，改用Stagehand原生API的run版本后，通过任务数少5.3个百分点，每个通过任务成本高19%，即便工具描述准确。
- Playwright MCP单任务平均26个模型轮次；Stagehand的run平均10步。
- 导航回传中位字符数：Stagehand run为117，Browserbase托管导航工具约17,000。
- 代码方式调用Browserbase MCP：成本从17.87美元降至4.52美元（LangChain自测）。
- 原生API版run比Playwright风格代码版少通过5.3个百分点，单通过任务成本高19%。
快照与浏览器内执行：读取页面和往返次数的取舍
LangChain称读取页面是浏览器代理最昂贵的动作之一。snapshot返回裁剪后的可访问性树，代理可用元素ID操作，无需读原始HTML或写选择器。Browserbase称Stagehand v4比Playwright的token效率高约80%。
在LangChain的WebTailBench运行中，截图每次调用中位89 KB。文章称，事后把快照截断到8,000字符没有效果，代理会重新获取页面，单通过任务成本持平，因此裁剪需要在源头进行。
每个Playwright单击涉及五次CDP调用（滚动到元素、读取位置、鼠标移动、按下、松开），且需等待每次响应。Stagehand v4以浏览器扩展形式在页面旁执行，run将一批动作合并为一次往返。Browserbase称其基准中v4比Playwright快2倍。
- 截图调用中位89 KB；快照为压缩文本，元素带ID。
- 事后截断快照至8,000字符无效，成本持平。
- 一次Playwright单击等于五次CDP往返；Stagehand v4在浏览器内批量执行。
- Browserbase称Stagehand v4比Playwright快2倍、token效率高约80%（厂商数据）。
等待逻辑：8秒固定睡眠在0.6秒返回
LangChain在LangSmith追踪中发现代理写page.waitForTimeout(8000)这类固定等待，多数页面早已就绪。该公司修改run，使每次睡眠在页面安静500毫秒后结束，且不晚于代理要求的时间；一次测量中8秒睡眠在0.6秒返回。
在HardBench上，结合结构化答案和模型调用超时，这项修改把代理中位时间从182秒降至124秒，准确率变化在噪声范围内。LangChain称Stagehand已在其上游合并这一修复。
- 修改：页面安静500毫秒即结束睡眠，上限为代理指定时间。
- HardBench中位代理时间从182秒降至124秒，准确率变化在噪声范围内。
- LangChain称该修复已合并进Stagehand上游。
可用范围：托管产品与开源接入
文章称这些工具用于Managed Deep Agents中的浏览器，该产品上周发布，可在LangSmith中构建和部署代理，无需自建基础设施。开源Deep Agents可加入langchain-stagehand的StagehandMiddleware；大规模使用开放网络时可将浏览器启动在Browserbase上，由其处理验证码、机器人拦截和批量运行。
- 托管版：Managed Deep Agents内提供浏览器，LangChain上周发布。
- 开源自托管：langchain-stagehand的StagehandMiddleware；本地浏览器或Browserbase托管浏览器可选。
- 第三方数据：DataDome称9月代理式浏览器请求增长4.7倍（文章引用，未展开统计口径）。