MCP Benchmark: Principales MCP servidores para acceso web
Realizamos un benchmark de 8 MCP servidores en tareas de búsqueda web y extracción, así como de automatización de navegador, ejecutando 4 tareas diferentes 5 veces en todos los MCPs adecuados. También realizamos una prueba de carga con 250 agentes de IA concurrentes.
Servidores MCP con capacidades de acceso web
Producto | Tasa de éxito para búsqueda
web y extracción | Tasa de éxito para
automatización de navegador | Velocidad de búsqueda web y
extracción (s) | Velocidad de automatización de navegador
(s) | Puntuación de escalabilidad |
|---|---|---|---|---|---|
100% | 90% | 30 | 30 | 77% | |
78% | 0% | 32 | N/A | 19% | |
75% | N/A | 14 | N/A | 54% | |
Nimble | 93% | N/A | 16 | N/A | 51% |
Firecrawl | 83% | N/A | 7 | N/A | 65% |
Hyperbrowser | 63% | 90% | 118 | 93 | N/A |
Browserbase | 48% | 5% | 51 | 104 | N/A |
Tavily | 38% | N/A | 14 | N/A | 45% |
Exa | 23% | N/A | 15 | N/A | N/A |
*Las tareas de búsqueda web y extracción se ejecutan con el servidor MCP predeterminado de Bright Data, y las tareas de automatización de navegador se ejecutan con el modo Pro de MCP de Bright Data, ya que las herramientas necesarias para la automatización de navegador están disponibles en el modo Pro.
**La tabla está ordenada según las puntuaciones en la categoría de búsqueda web y extracción, mostrando primero a los patrocinadores.
Cada una de las dimensiones anteriores y sus métodos de medición se describen a continuación:
Tasa de éxito de los servidores MCP en el acceso web
*N/A indica que el servidor MCP no tiene esta capacidad.
Hemos realizado un benchmark de los productos en dos categorías diferentes: búsqueda web y extracción, y automatización de navegador. Los resultados de nuestro benchmark revelan que Bright Data tiene la tasa de éxito más alta en tareas de búsqueda web y extracción, completando con éxito el 100% de estas tareas. En las tareas de automatización de navegador, Bright Data (Modo Pro) y Hyperbrowser tienen las tasas de éxito más altas, con un 90% de finalización de tareas.
Entre todas las herramientas que hemos sometido a benchmark, Apify, Bright Data, Browserbase y Hyperbrowser son las únicas que cuentan con las dos capacidades necesarias para los agentes que trabajan en la web:
- Búsqueda web y extracción incluye buscar en la web y usar enlaces de la página para navegar entre páginas y recopilar y procesar datos.
- Automatización de navegador incluye interactuar con elementos JS para rellenar formularios, etc.
Para ver en detalle las tareas utilizadas en el benchmark, consulte nuestra metodología.
Velocidad
Nuestra evaluación muestra:
- Búsqueda web y extracción: Firecrawl es el MCP más rápido, con un tiempo medio de ejecución del MCP para resultados correctos de 7 segundos y su tasa de precisión fue del 83%.
- Automatización de navegador: Bright Data es el más rápido, con un tiempo medio de ejecución del MCP para resultados correctos de 30 segundos y su tasa de precisión fue del 90%.
Todas las métricas de velocidad corresponden a tareas completadas correctamente. A veces, los servidores MCP producen respuestas rápidas que indican fallos, lo cual no es comparable con el tiempo necesario para completar una tarea.
Nuestro dataset para la navegación incluyó la participación de todas las marcas y generó 80 puntos de datos (es decir, 8 marcas, 2 tareas y 5 repeticiones para cada tarea). Basándonos en estos puntos de datos, parece haber una correlación negativa entre las tasas de éxito y la velocidad:
Esta correlación es intuitiva:
- A veces, los sitios web identifican a los bots como tráfico sospechoso y activan funciones anti-scraping.
- Esto provoca que algunos servidores MCP fallen.
- Aquellos que no fallan necesitan utilizar tecnología de desbloqueo, lo cual puede ser más lento (es decir, el intervalo de confianza del 95% incluye 4 segundos para uno de los proveedores en nuestro benchmark de desbloqueo web.
Escalabilidad
Este benchmark mide el rendimiento y la fiabilidad de los servidores MCP cuando se someten a un alto volumen de tareas de agentes de IA autónomos concurrentes. El eje X, Tasa de éxito (%), representa la puntuación del proveedor en nuestro benchmark de búsqueda web y extracción con un solo agente. El eje Y, Puntuación de escalabilidad (%), se deriva de la prueba de carga de alta concurrencia que se detalla a continuación, la cual mide la estabilidad y fiabilidad del servidor bajo estrés.
Cada agente se construyó con el framework LangChain create_react_agent, impulsado por el modelo de lenguaje gpt-4.1-nano-2025-04-14. A los agentes se les asignaron diversos prompts de búsqueda de comercio electrónico, como “Ve a target.com, encuentra una almohada decorativa por menos de 20 dólares.” Una tarea se consideraba exitosa solo si el agente navegaba por el sitio web, encontraba un producto coincidente y devolvía los datos requeridos (url, precio, valoración) en un formato JSON estructurado dentro de un límite de tiempo de 5 minutos.
La prueba reveló las siguientes diferencias clave tanto en la tasa de éxito como en el tiempo medio necesario para completar una tarea exitosa:
- En la prueba de estrés con 250 agentes concurrentes, Bright Data logró una tasa de éxito del 76,8% con un tiempo medio de finalización competitivo de 48,7 segundos por tarea exitosa, y se posicionó como el líder general.
- Firecrawl obtuvo una tasa de éxito del 64,8%, con una duración media de tarea de 77,6 segundos.
- Oxylabs demostró el rendimiento más rápido, completando sus tareas exitosas en un promedio de solo 31,7 segundos, manteniendo una sólida tasa de éxito del 54,4%.
- Nimble registró una tasa de éxito del 51,2%, pero sus tareas exitosas tardaron significativamente más, con un promedio de 182,3 segundos en completarse.
- Tavily completó las tareas con una tasa de éxito del 45%, con el segundo tiempo medio de finalización más rápido, de 41,3 segundos.
- Apify completó la prueba con una tasa de éxito más baja, del 18,8%, aunque sus tareas exitosas fueron relativamente rápidas, con un promedio de 45,9 segundos.
Metodología para evaluar las capacidades de acceso web de los servidores MCP
Los MCPs funcionan en diversos entornos de desarrollo, incluidos Claude Desktop, VSCode y Cursor. En nuestra evaluación, integramos los MCPs en un framework de agente LangGraph utilizando la librería langchain-mcp-adapters. Utilizamos cuatro prompts en el benchmark. Prompts de búsqueda web y extracción:
- Asistente de compras: “Ve a Amazon y encuentra 3 auriculares por menos de 30 dólares. Proporciona sus nombres, valoraciones y URLs.”
- AI SDR para generación de leads: “Ve a LinkedIn, encuentra 2 personas que trabajen en AIMultiple, proporciona sus nombres y URLs de perfil.”
Prompts de automatización de navegador:
- Asistente de viajes: “Encuentra el mejor precio para el Betsy Hotel, South Beach, Miami el 16 de junio de 2025. Proporciona el precio y la URL.”
- Rellenador de formularios: “https://aimultiple.com/ ve a esa página, introduce mi correo electrónico xxx@aimultiple.com en la suscripción al boletín y haz clic en el botón de suscripción.”
Ejecutamos cada tarea 5 veces por agente de IA y evaluamos el rendimiento basándonos en puntos de datos específicos.
Cada tarea constituía una parte igual de la puntuación total, y se otorgaban puntos por recuperar con éxito cada elemento de datos requerido. Nuestro código registró tanto el tiempo de ejecución de las herramientas MCP como la duración completa del procesamiento del agente, utilizando claude-3-5-sonnet-20241022 como el LLM del agente de IA.
Para ser justos con todos los MCPs, utilizamos el mismo agente con los mismos prompts y los mismos prompts de sistema. El prompt de sistema está escrito en un lenguaje adecuado para todos los agentes (sin menciones de herramientas específicas ni instrucciones detalladas).
Las tres primeras tareas midieron las capacidades de búsqueda y extracción de los MCPs, y la última tarea midió sus capacidades de automatización de navegador.
Características
También hemos medido algunas características importantes de estos servidores MCP. Para una explicación de las características, consulte la sección de metodología en el benchmark de navegador de agentes.
Soporte de motores de búsqueda
Segmentación
Seguridad
La seguridad de los datos es crucial para las operaciones empresariales. Verificamos si las empresas de estos navegadores de agentes tenían certificación de seguridad de datos. Todas las empresas afirman en sus sitios web tener una certificación ISO 27001 o SOC 2.
Benchmark de precios
Dado que todos los servidores MCP con capacidades de acceso web utilizan diferentes parámetros en la fijación de precios, es difícil compararlos.
Por lo tanto, medimos su precio para una sola tarea. Es difícil medir el costo solo para las tareas correctas, ya que la mayoría de los proveedores no desglosan los costos de forma granular a lo largo del tiempo. Por ello, para ser justos con todos los productos, elegimos la primera tarea para medir el éxito del benchmark de búsqueda web y extracción, ya que tiene la tasa de éxito general más alta. Para el benchmark de automatización de navegador, elegimos la última tarea para medir el costo de la tarea.
La mayoría de los productos están disponibles a través de varios planes con diferentes límites, y algunos de estos planes también permiten la compra de créditos adicionales. Miden los créditos gastados en diferentes parámetros como por llamada API, por GB o por página.
Tenga en cuenta que estos precios no incluyen el costo del LLM, y nuestro costo de usar Claude Sonnet 3.5 fue mayor que los costos de navegación durante estas tareas. Por lo tanto, el pricing de LLM probablemente sea más importante que el pricing del servidor MCP al construir agentes para tareas relacionadas con la web.
*Los precios pueden variar según el plan seleccionado y los descuentos para empresas.
Participantes
Incluimos todos los servidores MCP que ofrecen capacidades de navegación web basadas en la nube:
- Apify
- Bright Data
- Browserbase
- Exa
- Firecrawl
- Hyperbrowser
- Nimble
- Oxylabs
- Tavily
Apify, Bright Data y Oxylabs son patrocinadores de AIMultiple.
Para esta versión de nuestro benchmark, excluimos los servidores MCP que funcionan en los dispositivos propios de los usuarios, ya que tienen capacidades limitadas para responder a un alto número de solicitudes. Si nos falta algún servidor MCP basado en la nube con capacidades de navegación web, háganoslo saber en los comentarios.
MCP desafíos y mitigaciones de la navegación web
Cuando se configuran en un cliente MCP como Claude Desktop, los LLMs pueden aprovechar servidores MCP especializados. Los MCP de acceso web son particularmente valiosos, ya que permiten la extracción de datos web, incluida la capacidad de renderizar páginas con mucho JavaScript, eludir las restricciones de acceso comunes, realizar acciones, rellenar formularios y acceder a contenido con restricciones geográficas desde diversas ubicaciones globales, pero conllevan algunos desafíos.
Si bien enfrentamos desafíos similares al benchmark de navegador de agentes, los MCPs presentan desafíos novedosos para el benchmarking. Los LLMs, con la adición de una función de memoria externa, pueden usarse como una máquina de Turing, y con un servidor MCP que proporcione capacidades de navegación, es teóricamente posible completar cualquier tarea de navegación web o automatización de navegador con servidores MCP que proporcionen estas capacidades.
Por lo tanto, mediante la escritura de código personalizado para cada agente, es posible alcanzar tasas de éxito del 100%. Sin embargo, eso no es un buen proxy para los usuarios de MCP que desean proporcionar instrucciones simples y lograr altas tasas de éxito. Por lo tanto, elegimos prompts que son lo más simples y universales posible y no hacen referencia a funcionalidades de servidores MCP específicos.
Ventana de contexto
La ventana de contexto puede excederse en tareas largas. Los agentes consumen páginas completas mientras navegan por la web y, como resultado, la ventana de contexto limitada de los LLMs se excede tarde o temprano. Por lo tanto, para construir agentes que completen tareas que involucran muchas páginas, los usuarios necesitan
- LLMs con ventanas de contexto grandes
- Optimizar los tamaños de las páginas pasadas al LLM. Por ejemplo, puede eliminar programáticamente las partes innecesarias de las páginas y hacer que el LLM se centre solo en las partes importantes de las páginas.
Experiencia del desarrollador
Los desarrolladores experimentados pueden usar servidores MCP en clientes MCP que requieren codificación, y pueden ejecutar fácilmente pruebas paralelas o usar la ejecución de código MCP. Además, los clientes MCP sin código como Claude o Cursor se pueden usar fácilmente sin necesidad de experiencia en desarrollo.
Añadir como fuente preferidaPreguntas frecuentes
MCP (Model Context Protocol) establece un puente de comunicación estandarizado entre agentes de IA y aplicaciones, permitiendo que las aplicaciones de IA y los LLMs interactúen con herramientas y servicios externos.
Cita este benchmark
Elige el formato que se ajuste al lugar donde vas a publicar. Pegar la versión con enlace en tu CMS conserva el enlace de retroceso.
@misc{dilmegani2026,
author = {Dilmegani, Cem and Alper, Şevval},
title = {{MCP Benchmark: Principales MCP servidores para acceso web}},
year = {2026},
month = mar,
howpublished = {\url{https://aimultiple.com/browser-mcp}},
note = {AIMultiple. Recuperado el 16 de Marzo de 2026}
}
Sé el primero en comentar
Tu dirección de correo electrónico no será publicada. Todos los campos son obligatorios. Los comentarios se dejan en su idioma original.