Il laboratorio AI Frontiers di Microsoft Research ha presentato Webwright, un innovativo framework open source che ridefinisce l'interazione degli agenti AI con il web. Invece di limitarsi a simulare click e scorrimenti su una sessione browser attiva, Webwright abilita gli agenti a operare direttamente da un terminale, scrivendo codice Playwright, eseguendo comandi Bash e raffinando iterativamente i propri script per massimizzare l'efficienza e la precisione.
Oltre l'azione singola: la filosofia di Webwright
La maggior parte degli agenti web contemporanei opera in modo granulare: riceve uno screenshot o il testo del DOM e prevede l'azione successiva (un click, un tasto premuto). Sebbene questo approccio fosse ideale per modelli con capacità di ragionamento limitate, oggi rappresenta un collo d' Bottiglia. Microsoft Research ha ribaltato il paradigma con Webwright.
Il framework separa l'agente dal browser, trattando quest'ultimo come una risorsa che l'agente può lanciare, ispezionare e scartare durante lo sviluppo di un programma. L'elemento persistente non è più la sessione browser, ma il codice e i log nel workspace locale. È lo stesso modello mentale utilizzato da uno sviluppatore che scrive script di Robotic Process Automation (RPA): lo script viene scritto una volta e può essere riutilizzato, adattato e condiviso.
I tre componenti fondamentali
L'architettura di Webwright è sorprendentemente snella, composta da circa 1.000 righe di codice suddivise in tre moduli principali:
- Runner (~150 righe): Gestisce il ciclo principale e l'invio del contesto al modello.
- Model Interface (~550 righe): L'endpoint che dialoga con LLM come GPT o Claude.
- Environment (~300 righe): Il terminale in cui vengono eseguiti i comandi e raccolti i log.
Il Loop dell'Agente e il flusso di lavoro
Il processo inizia con il Runner che invia il contesto attuale al modello. Il modello risponde con un blocco di "pensiero" (reasoning) e un comando shell. Tale comando viene eseguito nell'Ambiente, che restituisce output del terminale, log, screenshot o tracce di errore. Questi dati rientrano nel contesto, e il ciclo continua finché l'obiettivo non è raggiunto.
Questo approccio permette all'agente di esprimere interazioni multi-step — come la compilazione di un intero modulo — sotto forma di un unico programma compatto, utilizzando loop e astrazioni per generalizzare i compiti.
Risolvere le sfide ingegneristiche: Autovalutazione e Contesto
Microsoft ha affrontato due problemi critici comuni agli agenti AI: la dichiarazione prematura di "completamento" e l'esplosione del contesto.
1. Il Gate di Auto-Riflessione
Spesso i modelli dichiarano il successo senza aver effettivamente terminato il compito. Webwright introduce un gate di sicurezza: l'agente deve generare una configurazione di auto-riflessione, eseguire uno script finale in una cartella pulita e superare il proprio giudizio critico basato su log e screenshot prima di poter emettere il segnale done: true.
2. Compattamento della cronologia
Le traiettorie di codifica lunghe saturano rapidamente i limiti di contesto. Webwright risolve il problema compattando la cronologia ogni 20 passaggi in un singolo riassunto sintetico, mantenendo l'agente focalizzato sugli obiettivi a lungo termine senza perdere informazioni cruciali.
- ✓Efficienza superiore grazie all’approccio code-driven
- ✓Risparmio economico significativo (fino a $2.37/task)
- ✓Script riutilizzabili e facilmente ispezionabili
- ✓Ottime prestazioni anche con modelli piccoli come Qwen3.5
- ✗Richiede competenze di sviluppo per la personalizzazione avanzata
- ✗Necessita di una gestione attenta del budget di passi per compiti estremi
Risultati dei Benchmark e Analisi dei Costi
Webwright è stato testato su due benchmark principali con risultati che hanno ridefinito lo stato dell'arte (SOTA):
Online-Mind2Web
Su 300 task distribuiti su 136 siti, GPT-5.4 ha raggiunto un'accuratezza dell'86.67%. Claude Opus 4.7 ha ottenuto l'84.7%, dimostrandosi però leggermente superiore nei compiti classificati come "difficili" (80.5% contro il 76.6% di GPT-5.4).
Odysseys
In questo benchmark focalizzato su task di lunga durata e multi-sito, Webwright con GPT-5.4 ha segnato un incredibile 60.1%. Si tratta di un miglioramento relativo del 35.1% rispetto al precedente record (Opus 4.6 a 44.5%) e di un salto di 26.6 punti assoluti rispetto alle prestazioni base dello stesso GPT-5.4 (33.5%).
Mostra dati
| Voce | Valore |
|---|---|
| Base GPT-5.4 | 33,5 |
| Opus 4.6 (Precedente SOTA) | 44,5 |
| Webwright + GPT-5.4 | 60,1 |
In termini di costi, sebbene Claude Opus 4.7 sia più rapido (media di 21.9 passi contro i 26.3 di GPT-5.4), il prezzo superiore dei token rende GPT-5.4 l'opzione più economica con un costo medio di $2.37 per task rispetto ai $6.09 di Claude.
Prestazioni dei modelli piccoli
Il team di ricerca ha testato anche Qwen3.5-9B sulla sezione difficile di Online-Mind2Web. Supportato da una libreria di strumenti (tool script) pre-costruiti, il modello piccolo ha raggiunto il 66.2% di accuratezza. Questo dimostra che anche modelli economici possono gestire task web complessi se dotati dell'infrastruttura corretta.
Il futuro dell’automazione web
Webwright rappresenta un salto evolutivo fondamentale. Spostando l’azione dal browser al codice, Microsoft Research ha creato uno strumento che non solo è più preciso, ma anche più economico e trasparente per gli sviluppatori.
