A Microsoft Webwright torna o Web Agent de código aberto e passa do “clique” para o “código”

A Microsoft Research tornou recentemente de código aberto sua nova estrutura de agente web, o Webwright. Em vez de depender do modelo convencional de previsão baseado em “capturas de tela/cliques no DOM”, essa estrutura permite que modelos de IA escrevam diretamente código do Playwright e executem comandos do Bash no terminal, realizando tarefas complexas na web de forma mais eficiente e lógica.

I. Arquitetura Central: Uma Abordagem Minimalista “Terminal em Primeiro Lugar”

A filosofia de design do Webwright é direta: “Um terminal vale mais do que milhares de abstrações.” A estrutura consiste em cerca de 1.000 linhas de código divididas em três módulos principais, sem nenhuma orquestração complexa envolvendo múltiplos agentes:

Runner (cerca de 150 linhas): gerencia a lógica central do loop do agente, lidando com o contexto e a execução.

Model Endpoint (cerca de 550 linhas): uma interface unificada para interação com modelos, com suporte a back-ends como OpenAI, Anthropic e OpenRouter.

Terminal Environment (cerca de 300 linhas): fornece um ambiente de execução isolado no terminal, onde o modelo pode executar scripts do Playwright, visualizar logs, analisar capturas de tela e depurar.

Fluxo de trabalho: O Runner envia o contexto da tarefa atual para o modelo → o modelo gera um “processo de raciocínio” e um “comando do Shell” → o ambiente executa e retorna os resultados (saída, captura de tela, pilha de erros) → o loop continua até que a tarefa seja concluída.

II. Por que mudar de “clicar” para “escrever código”?

Os agentes convencionais atuais operam navegadores prevendo constantemente “cliques, rolagens e entradas”, o que leva a problemas de eficiência e desafios de gerenciamento de estado. A abordagem orientada a código do Webwright oferece vantagens claras:

Reutilização lógica: cada operação gera scripts de RPA (Automação Robótica de Processos) reutilizáveis, e não registros de cliques únicos. Esses scripts podem ser reutilizados em outras ferramentas, como o Claude Code ou o Codex.

Tratamento de lógica complexa: o código suporta naturalmente loops, funções e ramificações. Para tarefas de cadeia longa, como preenchimento de formulários, operações entre páginas e saltos condicionais, a expressão em código supera em muito o simples empilhamento de ações.

Correção de erros de engenharia: Ao analisar rastreamentos de pilha após erros de execução, o modelo pode entrar autonomamente em um ciclo iterativo de “escrever código – executar – errar – corrigir”, aumentando significativamente as taxas de sucesso das tarefas.

III. Avanços em engenharia: resolvendo o “sucesso falso” e o “excesso de contexto”

O Webwright apresenta soluções direcionadas para dois pontos críticos comuns dos agentes:

Mecanismo de Autoverificação de Portas: Impede que o modelo declare falsamente a conclusão da tarefa. O modelo deve primeiro gerar uma “configuração de autoverificação” e executar o script final em um ambiente limpo. Somente após a autorreflexão confirmar que a tarefa foi realmente concluída é que ele pode gerar um marcador de conclusão.

Compressão do histórico: para lidar com a sobrecarga de contexto em trajetórias longas, o sistema comprime o histórico em um resumo a cada 20 passos, garantindo que a janela de contexto sempre se concentre no progresso essencial.

IV. Desempenho nos testes: superando o benchmark

Nos testes de referência realizados em maio de 2026, o Webwright apresentou um desempenho excepcional:

Online-Mind2Web: O Webwright baseado no GPT-5.4 alcançou uma precisão de 86,67% dentro de um orçamento de 100 etapas, classificando-se entre as principais soluções de código aberto.

Odysseys (Tarefas de Cadeia Longa): Diante de instruções complexas com média de 272 palavras, o Webwright + GPT-5.4 obteve 60,1%, um aumento de cerca de 81,5% em comparação com o GPT-5.4 básico (33,5%), superando o campeão do ranking de abril, o Opus4.6 (44,5%).

Feedback do setor

O surgimento do Webwright destaca uma tendência importante: à medida que as capacidades de programação dos modelos melhoram, os agentes estão migrando para um “paradigma de desenvolvedor”. Ao tratar o navegador como um endpoint programável, em vez de apenas uma interface interativa, o Webwright eleva com sucesso a eficiência e a robustez da execução de tarefas de IA na web a um novo nível.

Para os desenvolvedores, o Webwright não é apenas uma estrutura de agente — é um “superfuncionário” capaz de escrever, manter e empacotar scripts de automação automaticamente. O projeto agora está disponível como código aberto no GitHub.