Microsoft Research lança o Webwright, agente de navegador que resolve 60% das tarefas web

A Microsoft Research apresentou o Webwright, um framework para agentes de navegador que executa tarefas web complexas com quase o dobro de sucesso dos modelos de linguagem base.

Como o Webwright funciona

É um agente que roda no terminal e automatiza a interação com o navegador. A diferença central: em vez da abordagem habitual de click-trace (o sistema guarda uma sequência de cliques e coordenadas), o Webwright gera e executa scripts do Playwright, um poderoso framework para automação programática de navegadores.

O framework é simples: cerca de 1000 linhas de código e três módulos operando em um único ciclo de agente. Esse design minimalista parece ingênuo à primeira vista, mas os resultados foram impressionantes. Em vez de tentar gerar cliques ponto a ponto, o agente analisa a estrutura do DOM e escreve os scripts necessários.

Resultados em benchmarks

No Odysseys (que avalia tarefas web longas em um navegador real), o Webwright com GPT-5.4 chegou a 60.1%. É o dobro dos 33.5% do modelo base sozinho. No benchmark mais simples Online-Mind2Web, o resultado é ainda maior: 86.7%. Importante: é o melhor resultado entre todas as receitas de harness de código aberto.

A melhoria de duas vezes não vem de truques especiais nem de soluções fixadas no código. É consequência direta de um bom desenho do ciclo do agente e do uso eficiente das capacidades do GPT-5.4.

• Benchmark Odysseys: 60.1% (contra 33.5% do modelo base)
• Online-Mind2Web: 86.7% (recorde entre os de código aberto)
• Tamanho do framework: ~1000 linhas de código
• Arquitetura: três módulos em um único ciclo
• Modelo: GPT-5.4 (padrão, sem fine-tuning)

Por que funciona

Os agentes de navegador há tempos dependiam de sequências click-trace ou exigiam modelos de linguagem enormes. O Webwright mostra um terceiro caminho: a arquitetura certa, com scripts do Playwright como linguagem intermediária, traz um grande ganho de qualidade.

Além disso, o Playwright permite ao agente trabalhar diretamente com o DOM, o que é mais confiável do que depender de visão computacional. Quando um site muda, o script pode se adaptar, porque enxerga a estrutura da página e não apenas os pixels.

O que isso significa para o mercado

Os agentes de navegador estão amadurecendo. A Microsoft Research mostrou sua abordagem, enquanto OpenAI (Operator), Anthropic (Computer Use) e outras empresas trabalham em paralelo. O mercado de automação web está apenas começando a se formar: preenchimento de formulários, comparação de preços, contratação de serviços, gerenciamento de assinaturas.

O Webwright prova que, para obter bons resultados, não é preciso esperar por um supermodelo: a arquitetura certa e módulos simples podem multiplicar a qualidade.