I migliori 30+ agenti web open source
Abbiamo testato 30+ agenti web open source in quattro categorie: agenti autonomi, controller per l'uso del computer, web scraper e framework per sviluppatori.
Abbiamo eseguito benchmark identici utilizzando la suite di test WebVoyager, che copre 643 task su 15 siti web reali, per misurare quali strumenti completano realmente task web multi-step e quali falliscono quando i siti usano menu a discesa dinamici o layout ricchi di JavaScript.
Agenti web open source: stelle GitHub
Benchmark WebVoyager: metodologia
Agenti testati
Abbiamo incluso gli agenti che soddisfacevano tutti e tre i criteri: codice sorgente apertamente disponibile, un punteggio riportato sul benchmark WebVoyager dalla valutazione pubblicata dall'agente stesso e manutenzione attiva (ultimo commit entro 6 mesi dalla data della nostra revisione).
- Browser-Use: ponte LLM-browser, basato su DOM con integrazione LangChain
- Skyvern 2.0: architettura basata su visione planner-actor-validator, distribuzione cloud
- Agent-E: solo DOM, senza model di visione, dataset completo di 643 task
- WebVoyager: baseline multimodale originale, ibrido GPT-4V + DOM
Gli agenti elencati nell'articolo più ampio ma senza punteggi WebVoyager pubblicati (Auto-GPT, AgenticSeek, OpenManus, LaVague e altri) sono stati valutati qualitativamente in base ad architettura, al model di distribuzione e alle capacità dichiarate. Non sono inclusi nel confronto quantitativo.
Condizioni di test
Ogni team ha eseguito la propria valutazione; non abbiamo rieseguito i test in modo indipendente. Le differenze di punteggio riflettono in parte condizioni di test diverse:
Browser-Use ha testato 586 delle 643 task, rimuovendo 55 task con risposte obsolete (prodotti Apple fuori produzione, date di voli scadute, ricette eliminate). I test sono stati eseguiti su macchine locali con indirizzi IP sicuri. Prima dei test sono state applicate l'integrazione LangChain e prompt di sistema riscritti.
Skyvern 2.0 ha testato 635 delle 643 task, rimuovendo 8 task con risposte non valide e aggiornando al 2025 le date 2023/2024 nelle task di viaggio. I test sono stati eseguiti su Skyvern Cloud utilizzando browser cloud asincroni, non macchine locali. Le condizioni cloud espongono gli agenti al rilevamento dei bot e alle sfide CAPTCHA che i test locali evitano. Le registrazioni complete dei test sono disponibili su eval.skyvern.com.
Agent-E ha testato il dataset completo di 643 task senza modifiche. Ha utilizzato solo il parsing del DOM, senza model di visione. La baseline di confronto era l'agente WebVoyager originale, non GPT-4o.
WebVoyager (originale) ha testato l'intero dataset utilizzando screenshot GPT-4V più DOM. Rappresenta la baseline multimodale che Agent-E ha superato utilizzando solo testo.
Punteggio
Il completamento delle task è binario: l'agente completa l'intera task multi-step oppure no. Non vengono assegnati crediti parziali. Una task viene contrassegnata come completata solo quando l'output finale atteso (un prezzo, una conferma di prenotazione, un risultato di ricerca) corrisponde alla verità di base.
Il tasso di superamento è riportato come: tasks completed / tasks attempted × 100
Quando i team hanno rimosso task dal dataset, il denominatore riflette il loro insieme ridotto, non il 643 originale.
Cosa significano questi punteggi nella pratica
Le task del benchmark WebVoyager vengono eseguite su siti web live in condizioni cooperative, senza protezione aggressiva dai bot, senza Cloudflare, senza DataDome. Browser-Use e Agent-E sono stati eseguiti su macchine locali con IP equivalenti a quelli residenziali. Skyvern ha usato deliberatamente infrastrutture cloud per approssimare la realtà di produzione. I tassi di successo reali sui siti di produzione protetti saranno inferiori ai punteggi del benchmark per tutti gli agenti.
Il benchmark non misura la velocità, il costo per task o la resilienza alle misure anti-bot. Un punteggio WebVoyager del 89.1% non significa che l'agente completerà l'89% delle task su un sito di produzione con protezione Cloudflare.
Limitazioni
Denominatori non confrontabili: Browser-Use ha testato 586 task, Skyvern ne ha testate 635, Agent-E 643. Un punteggio più alto su un insieme più piccolo non è direttamente confrontabile con un punteggio più basso sull'insieme completo.
Risultati autodichiarati: Tutti i punteggi derivano dalla valutazione pubblicata da ciascun team. Non abbiamo eseguito un nuovo test controllato con condizioni identiche per tutti gli agenti.
Deriva del benchmark: Il set di task WebVoyager è stato pubblicato nel 2023. Diverse task fanno riferimento a prodotti, prezzi e date che non esistono più. I team le hanno gestite in modo diverso; alcuni le hanno rimosse, mentre altri hanno aggiornato le date, introducendo incoerenze.
Divario locale vs. cloud: Browser-Use e Agent-E sono stati testati in locale (IP sicuri, nessun rilevamento dei bot). Skyvern è stato testato nel cloud (esposizione reale alla protezione dai bot). Il confronto diretto dei punteggi sottostima il divario di produzione per gli agenti testati in locale.
Nessun dato su costi o latenza: Il benchmark misura solo il completamento delle task. Il costo per task e il tempo medio di completamento non sono rilevati nei punteggi WebVoyager, sebbene siano molto importanti per le decisioni di distribuzione in produzione.
Fotografia statica: I punteggi riflettono le versioni degli agenti e lo stato dei siti web al momento del test. Entrambi cambiano frequentemente; una riprogettazione del sito o un aggiornamento dell'agente possono modificare sensibilmente i risultati.
Aggiornamenti importanti recenti
Crisi della sicurezza: distribuzione di malware OpenClaw
Oltre 400 "skill" dannose sono state caricate su ClawHub (il marketplace di OpenClaw) tra fine gennaio e inizio febbraio, distribuendo malware per il furto di credenziali. IBM, Anthropic e Palo Alto Networks hanno diffuso avvisi. I ricercatori di sicurezza ora raccomandano di usare solo ambienti isolati e fonti verificate.
Crescita virale di OpenClaw
OpenClaw (precedentemente Moltbot/Clawdbot) ha raggiunto 147.000 stelle su GitHub, il progetto open source di IA con la crescita più rapida. Viene eseguito in locale, si integra con piattaforme di messaggistica e utilizza il Model Context Protocol per 100+ servizi. Cloudflare ha rilasciato il middleware Moltworker per supportare la sua infrastruttura.1
Moltbook: social network di agenti IA
Il social network solo per agenti IA, lanciato a fine gennaio, ha raggiunto 1.5 milioni di agenti nel giro di pochi giorni. Gli agenti pubblicano e interagiscono in modo autonomo mentre gli esseri umani osservano.2
Standardizzazione del Model Context Protocol
MCP è diventato il protocollo dominante per l'integrazione tra agenti e strumenti, con più di 100 server disponibili. La gestione e la governance sono ora critiche per le implementazioni aziendali.
NVIDIA Nemotron 3 Models
NVIDIA ha rilasciato la famiglia Nemotron 3 (Nano, Super, Ultra) ottimizzata per l'IA agentica, con un throughput 4x superiore. Include NeMo Gym e l'Agentic Safety Dataset su GitHub e Hugging Face.3
Agenti web autonomi e copiloti
Strumenti che navigano sui siti web e completano task multi-step con una guida minima.
Agenti autonomi generici
OpenClaw (precedentemente Moltbot/Clawdbot): Eseguilo sulla tua macchina locale per automatizzare task su app di messaggistica, calendari ed email. Digli "programma una riunione con il team per martedì prossimo e invia gli inviti del calendario" e lui gestisce l'intero flusso di lavoro. Utilizza il Model Context Protocol per connettersi a 100+ servizi senza chiamate API cloud.
Chi lo usa: Early adopter disposti a gestire i rischi di sicurezza per l'automazione locale. Utenti che desiderano interfacce conversazionali per i flussi di lavoro desktop.
Limitazioni:
- Importanti vulnerabilità di sicurezza nell'ecosistema delle skill (400+ pacchetti dannosi in una settimana)
- Ancora in rapido sviluppo, con frequenti modifiche che causano incompatibilità
- Documentazione incoerente a causa di molteplici cicli di rebranding
- Uso intensivo di risorse (richiede notevole potenza di calcolo locale)
AgenticSeek: Sostituisci i servizi commerciali basati su cloud con un'alternativa locale che non invia i dati di navigazione a server esterni. Installalo sulla tua macchina, descrivi ciò di cui hai bisogno ("estrai tutti i prezzi dei prodotti da questa pagina") e lui gestisce i clic e la raccolta dei dati. Basato su Python, viene eseguito interamente in self-hosting.
Chi lo usa: Utenti attenti alla privacy che non vogliono condividere i dati di navigazione. Organizzazioni con requisiti di residenza dei dati.
Limitazioni:
- Limitato alla concorrenza su una singola macchina (5-10 istanze del browser)
- Nessuna rotazione proxy integrata né funzionalità anti-rilevamento
- Richiede la configurazione e la manutenzione di un ambiente Python
- Più lento delle soluzioni cloud per task su larga scala
Auto-GPT: Gestisce la navigazione web insieme alle operazioni sui file e all'esecuzione del codice. Si distribuisce tramite l'interfaccia del browser o la riga di comando. Quando assegni una task come "ricerca i prezzi dei concorrenti e salvali in un foglio di calcolo", determina quali siti web visitare, quali dati recuperare e come organizzare l'output.
Chi lo usa: Sviluppatori che creano flussi di lavoro di automazione personalizzati. Utenti a proprio agio con gli strumenti a riga di comando.
Limitazioni:
- Manca funzionalità specifiche per il web come la rotazione dei proxy e la gestione dei cookie
- Nessun sistema integrato per evitare il rilevamento dei bot (i siti con Cloudflare lo bloccheranno)
- Uso intensivo di risorse (avvia più istanze del browser)
- Richiede prompt engineering manuale per task complesse
AgentGPT: Configura gli agenti direttamente nel browser senza scrivere codice. Sviluppa agenti specializzati come "ResearchGPT" o "DataGPT" che scompongono gli obiettivi in passaggi. La piattaforma gestisce l'orchestrazione. Tu descrivi ciò che vuoi ottenere. Disponibile in self-hosting se non vuoi usare la versione ospitata.
Chi lo usa: Utenti non tecnici che necessitano di una semplice automazione. Team che desiderano configurazioni di agenti condivise.
Limitazioni:
- Personalizzazione limitata rispetto alle soluzioni basate su codice
- Colli di bottiglia nelle prestazioni su task complesse multi-step
- La versione ospitata invia i dati ai loro server (per la privacy è richiesto il self-hosting)
- Nessuna funzionalità avanzata come il fingerprinting del browser o la gestione dei CAPTCHA
SuperAGI: Framework per creare agenti autonomi personalizzati con template per flussi di lavoro comuni. Estendilo con la tua logica. Gestisce l'automazione del browser come componente di flussi di lavoro più ampi. Eseguilo in locale o distribuiscilo su infrastrutture cloud.
Chi lo usa: Team di sviluppo che realizzano sistemi di agenti in produzione. Organizzazioni che necessitano di framework di automazione personalizzabili.
Limitazioni:
- Curva di apprendimento ripida (richiede la comprensione dell'architettura degli agenti)
- Libreria di template ancora limitata (richiede sviluppo personalizzato per la maggior parte dei casi d'uso)
- Lacune nella documentazione per le funzionalità avanzate
- Lo sviluppo attivo comporta modifiche che causano incompatibilità tra le versioni
Nanobrowser: Approccio come estensione di Chrome: installala e poi controlla gli agenti dalla barra degli strumenti del browser. Adatta per task rapide come "estrai tutte le email da questa pagina" o "compila questo modulo con i dati del mio foglio di calcolo".
Chi lo usa: Utenti occasionali che necessitano di un'automazione saltuaria del browser. Utenti che non vogliono configurare server o ambienti Python.
Limitazioni:
- Non è scalabile oltre poche schede (nessuna elaborazione concorrente)
- Nessuna integrazione con pipeline di automazione backend
- Limitato al browser Chrome
- I permessi dell'estensione sollevano problemi di sicurezza
OpenManus: Alternativa open source ai servizi commerciali di automazione del browser. Esegue task del browser che richiedono ore o giorni, come monitorare i siti per variazioni di prezzo o attendere che i prodotti tornino disponibili. Eseguilo in locale con Python e Docker e lascialo in esecuzione in background.
Aggiornamento recente: DeepWisdom (la società madre di OpenManus) ha ufficialmente rinominato la sua tecnologia agente principale in Atoms a metà gennaio. Il nuovo framework Atoms sposta l'attenzione dagli strumenti per sviluppatori hobbisti alla distribuzione di agenti di livello commerciale con moduli integrati per pagamenti e autenticazione.4
Chi lo usa: Utenti che eseguono task di monitoraggio di lunga durata. Sviluppatori che creano sistemi di notifica automatizzati.
Limitazioni:
- Richiede la configurazione di Docker e Python
- Nessun supporto proxy integrato (i siti rileveranno richieste ripetute dallo stesso IP)
- Perdite di memoria nelle task di lunga durata (richiede riavvii periodici)
- Il rebranding in Atoms potrebbe causare confusione nella documentazione
Agenti per l'uso del computer
Automazione desktop che controlla i browser come parte di flussi di lavoro informatici più ampi.
OpenInterpreter: Agente basato su terminale che esegue script Python, JavaScript e shell in base a ciò che digiti. Chiedigli di "fare scraping di questo sito e analizzare i dati con pandas" e lui genera il codice di scraping, lo esegue e poi esegue l'analisi. L'automazione del browser si integra con l'accesso al file system e l'elaborazione dei dati.
Chi lo usa: Sviluppatori a proprio agio con le interfacce a terminale. Data scientist che combinano il web scraping con flussi di lavoro di analisi.
Quando ha senso: Hai bisogno di un'automazione che comprenda navigazione web e calcolo locale. Vuoi ispezionare e modificare il codice generato prima dell'esecuzione. I tuoi flussi di lavoro prevedono la trasformazione dei dati dopo la raccolta.
Limitazioni:
- Interfaccia solo da terminale (nessuna GUI)
- Rischio di sicurezza (esegue codice arbitrario sulla tua macchina)
- Nessun sandboxing predefinito (può accedere a qualsiasi file o risorsa di sistema)
- Curva di apprendimento per i non programmatori
UI-TARS: Framework di ricerca accademica che acquisisce screenshot del desktop, li analizza con model di visione e poi genera comandi per controllare gli elementi della GUI. Creato per testare nuovi approcci all'automazione desktop, non per l'uso in produzione.
Chi lo usa: Ricercatori accademici che esplorano l'automazione basata su visione. Laboratori che testano sistemi di controllo multimodali.
Quando ha senso: Stai conducendo ricerche sull'automazione basata su visione. Hai bisogno di sperimentare approcci di analisi degli screenshot. Stai scrivendo articoli accademici sull'automazione della GUI.
Limitazioni:
- Non pronto per la produzione (prototipo di ricerca)
- Latenza elevata (l'elaborazione del model di visione richiede 2-3 secondi per azione)
- Costoso (GPT-4V addebita un costo per token immagine)
- Nessun ripristino dagli errori né logica di retry
AutoBrowser MCP: server MCP che consente a Claude di controllare i browser Chrome tramite il Model Context Protocol, offrendo capacità di interazione con il browser basate su visione. Claude vede lo schermo del tuo browser, decide cosa cliccare ed esegue l'azione. Viene eseguito come estensione di Chrome più un server locale.
Chi lo usa: Utenti di Claude che desiderano il controllo del browser. Sviluppatori che creano sistemi di automazione basati su MCP.
Quando ha senso: Stai già usando Claude e vuoi aggiungere l'automazione del browser. Preferisci il controllo conversazionale rispetto alle API programmatiche. L'interazione basata su visione è necessaria per layout complessi.
Limitazioni:
- Richiede l'accesso all'API di Claude (non disponibile in tutte le regioni)
- I costi del model di visione aumentano rapidamente
- La latenza è superiore rispetto agli approcci basati su DOM
- Limitato al browser Chrome
Open Operator: La risposta del team di Browser-Use all'Operator di OpenAI. Fornisce ai language model un accesso diretto a Chrome tramite una vista DOM semplificata. Puoi eseguirlo in modalità completamente autonoma oppure attivare la modalità di approvazione, in cui confermi ogni azione prima dell'esecuzione. Si installa tramite Python o estensione del browser.
Aggiornamento recente: Browser-Use ha annunciato un'integrazione strategica con Parallel IA a fine gennaio, consentendo ricerche web multi-thread. L'aggiornamento consente agli agenti di eseguire fino a 20 passaggi del browser al minuto, eguagliando o superando le prestazioni umane in task di ricerca complesse.5
Chi lo usa: Team che già utilizzano il framework Browser-Use. Organizzazioni che desiderano flussi di lavoro di approvazione per le azioni degli agenti.
Quando ha senso: Hai bisogno di navigazione autonoma con supervisione umana. I tuoi flussi di lavoro richiedono velocità (esecuzione multi-thread). Stai costruendo sull'ecosistema Browser-Use.
Limitazioni:
- Richiede l'installazione del framework Browser-Use
- La modalità di approvazione rallenta notevolmente l'automazione
- Funzionalità anti-rilevamento limitate (i siti con protezione anti-bot lo bloccheranno)
- Solo Python (nessun supporto JavaScript/TypeScript)
Cowork (Anthropic): Strumento desktop di Anthropic che consente a Claude di accedere direttamente ai file system e agli ambienti browser all'interno di un'applicazione unificata. Trasforma l'API Computer Use in un prodotto destinato ai consumatori. Disponibile per il download; non è più limitato all'anteprima di ricerca. Soluzione proprietaria inclusa qui per il confronto con le alternative open source.
Agenti di navigazione web
Si concentrano specificamente sui flussi di lavoro multi-step dei siti web.
Agent-E: Legge l'HTML della pagina per trovare elementi cliccabili e percorsi di navigazione. Utilizza la "DOM Distillation" per ridurre le pagine agli elementi interattivi essenziali, oltre allo "Skill Harvesting" per ricordare i pattern di successo. Ha ottenuto un punteggio del 73.1% sul benchmark WebVoyager usando solo testo, senza model di visione.
Chi lo usa: Organizzazioni che privilegiano il costo rispetto all'accuratezza. Sviluppatori che creano sistemi di automazione basati su DOM.
Quando ha senso: Hai bisogno di un'automazione veloce ed economica su siti web statici. I tuoi siti target non usano moduli dinamici con molto JavaScript. Puoi tollerare un tasso di successo del 73% in cambio di costi inferiori.
Limitazioni:
- Nessun ripristino automatico dagli errori quando la struttura del DOM cambia in modo imprevisto
- Ha difficoltà con i moduli dinamici in cui i menu a discesa rivelano nuove opzioni in base alle selezioni
- Le prestazioni calano notevolmente sui siti con molto JavaScript
- Risultati scarsi sui siti di prenotazione
AutoWebGLM: Semplifica l'HTML prima di fornirlo ai language model. Le pagine complesse vengono ridotte agli elementi di navigazione essenziali e ai campi dei moduli. Utilizza l'apprendimento per rinforzo per migliorare le decisioni di navigazione nel tempo. Viene eseguito in self-hosting tramite Python.
Chi lo usa: Team di ricerca che esplorano l'automazione web basata su RL. Organizzazioni con risorse di calcolo per l'addestramento dei model.
Quando ha senso: Puoi investire nell'addestramento di model personalizzati per i tuoi siti web specifici. I tuoi flussi di lavoro sono sufficientemente ripetitivi da beneficiare dell'ottimizzazione RL. Disponi di un'infrastruttura Python per il machine learning.
Limitazioni:
- Documentazione e supporto della community limitati
- Richiede una fase di addestramento prima della distribuzione (non è plug-and-play)
- Richiede molti esempi per apprendere politiche efficaci
- Si rompe quando i siti web ridisegnano i layout
Agenti di navigazione basati su visione
Combinano screenshot e analisi del testo per interpretare il layout visivo delle pagine.
Autogen WebSurfer Extension: Si integra con il framework AutoGen di Microsoft per aggiungere la navigazione web. Richiede l'installazione di Playwright. Il framework consente di creare team di agenti: un agente cerca mentre un altro elabora i risultati e un terzo interagisce con te.
Chi lo usa: Team che già utilizzano il framework AutoGen. Utenti dell'ecosistema Microsoft.
Quando ha senso: Stai creando sistemi multi-agente all'interno di AutoGen. Hai bisogno di una collaborazione orchestrata tra agenti. Desideri il supporto e la documentazione di Microsoft.
Limiti reali:
- Esempi e progetti della community limitati
- Richiede l'adozione dell'intero framework AutoGen (non può essere usato in modo autonomo)
- L'overhead del framework non vale la pena per task di automazione semplici
- Curva di apprendimento ripida per l'orchestrazione multi-agente
Skyvern: Sistema a tre fasi: il planner scompone le task in passaggi, l'attore le esegue e il validator conferma il successo. Acquisisce screenshot per identificare visivamente pulsanti e moduli. Questo approccio affronta i siti ricchi di JavaScript in cui il DOM cambia dopo il caricamento della pagina. Ha ottenuto un punteggio del 85.85% su WebVoyager. Eseguilo in self-hosting oppure usa il loro cloud gestito.
WebVoyager: L'agente di benchmark originale del documento del 2024 che ha introdotto la suite di test WebVoyager. Utilizza screenshot GPT-4V insieme al parsing del DOM in un approccio ibrido. Ha ottenuto un punteggio del 57.1% sul dataset completo di 643 task, la baseline rispetto alla quale si misurano gli agenti successivi. Non è mantenuto attivamente come strumento di produzione; il suo valore è come riferimento di ricerca e punto di origine del benchmark.
Chi lo usa: Organizzazioni che necessitano di un'elevata accuratezza sulle moderne applicazioni web. Team disposti a pagare i costi dei model di visione per ottenere risultati migliori.
Quando ha senso: I tuoi siti target usano molto JavaScript e layout dinamici. Hai bisogno di un'accuratezza pari o superiore all'85%. Puoi permetterti costi 10-20x superiori rispetto al parsing del DOM. I tuoi flussi di lavoro giustificano l'infrastruttura cloud.
Limitazioni:
- La versione self-hosted richiede notevole capacità di calcolo per i model di visione
- Costosa (GPT-4V addebita un costo per token immagine; ogni visualizzazione di pagina costa 10-20x in più rispetto al parsing del DOM)
- Più lenta degli approcci basati su DOM (2-3 secondi per pagina per l'elaborazione visiva)
- La distribuzione cloud ti espone al rilevamento dei bot
LiteWebAgent: Vision language model con memoria e pianificazione che controlla Chrome tramite il DevTools Protocol. Mantiene il contesto tra i caricamenti di pagina, ricordando ciò che ha visto nelle pagine precedenti quando prende decisioni di navigazione. Framework Python, distribuzione self-hosted.
Chi lo usa: Sviluppatori che creano agenti personalizzati basati su visione. Team che necessitano di memoria tra le pagine.
Quando ha senso: I tuoi flussi di lavoro richiedono di ricordare informazioni su più pagine. Hai bisogno di capacità di visione ma vuoi più controllo rispetto a Skyvern. Puoi mantenere un'infrastruttura Python per il machine learning.
Limitazioni:
- Richiede notevole capacità di calcolo per i model di visione
- L'architettura di memoria aumenta la complessità e le modalità di errore
- Test limitati su siti web di produzione con rilevamento dei bot
- Community piccola (meno esempi e integrazioni rispetto alle alternative)
Strumenti per abilitare gli agenti
Framework che consentono agli LLM o agli utenti di inviare comandi ai browser senza pianificazione autonoma delle task.
Dal linguaggio naturale all'azione web
LaVague: tu dici: "Clicca il pulsante verde". LaVague lo trova e lo clicca. Gestisce l'identificazione degli elementi in diversi layout di pagina. È adatto per task ripetitive in cui sai esattamente cosa vuoi ma non vuoi scrivere selettori. Basato su Python, viene eseguito in self-hosting.
ZeroStep: Converte le istruzioni conversazionali in codice di test Playwright. Descrivi l'azione in linguaggio naturale e lui genera i comandi Playwright. Accelera la scrittura dei test se stai già usando Playwright. Strumento CLI per Node.js.
LLM-Browser Bridges
Collegano i language model direttamente ai controlli del browser.
Browser-Use: Prende un DOM disordinato e lo ristruttura per gli LLM. Elimina gli elementi irrilevanti, etichetta i componenti interattivi e fornisce interfacce di controllo. È ciò che ha permesso a Browser-Use di raggiungere l'89.1% su WebVoyager. Disponibile come libreria Python o API, eseguibile in self-hosting oppure utilizzando il loro cloud.
Browserless: Istanze Chrome remote che controlli tramite REST o WebSocket. Avvia centinaia di browser nel cloud senza gestire l'infrastruttura. Ogni browser viene eseguito headless, quindi senza overhead della GUI. Usa la loro API ospitata oppure Docker per il self-hosting.
ZeroStep (Playwright IA): Livello di IA sopra Playwright. Scrivi prompt invece di selettori. Combina l'affidabilità di Playwright con la flessibilità degli LLM nell'identificazione degli elementi. Richiede l'installazione di Node.js e Playwright.
Toolkit di automazione web & scraping
Strumenti specifici per task, in cui avvii ogni lavoro singolarmente.
Estensioni per l'automazione del browser
PulsarRPA: Estensione di Chrome per l'estrazione dei dati. Indicale una tabella o un elenco, mostrale cosa estrarre e lei gestisce il resto. Include un backend per la pianificazione e l'archiviazione dei risultati.
Chi lo usa: Utenti non tecnici che necessitano di un'estrazione regolare dei dati. Analisti aziendali che importano dati nei fogli di calcolo.
Quando ha senso: Estrai dati ripetutamente dagli stessi siti. Non vuoi scrivere codice. Hai bisogno di pianificazione e archiviazione dei risultati. I tuoi siti target non bloccano le estensioni del browser.
Limitazioni:
- Solo Chrome (niente Firefox o Safari)
- Si rompe quando i siti target cambiano layout
- Nessun supporto proxy (i siti rilevano richieste ripetute dallo stesso IP)
- Limitato all'estrazione di dati tabulari
VimGPT: Progetto sperimentale in cui GPT-4 Vision controlla il browser tramite le scorciatoie da tastiera di Vimium. Il model vede gli screenshot e genera comandi da tastiera.
Chi lo usa: Ricercatori che esplorano il controllo tramite visione e tastiera. Appassionati di Vim curiosi di sperimentare l'automazione con l'IA.
Quando ha senso: Stai conducendo ricerche sull'automazione basata su tastiera. Cerchi di comprendere le capacità dei model di visione. Non stai distribuendo automazione in produzione.
Limitazioni:
- Solo sperimentale (non adatto al lavoro reale)
- Richiede l'estensione Vimium e un backend Python
- Latenza elevata (elaborazione visiva + generazione dei comandi)
- Costoso (costi di GPT-4V per ogni screenshot)
IA scraper e crawler
Crawl4AI: Un crawler che utilizza gli LLM per decidere cosa è importante in una pagina. Invece di raccogliere tutto, identifica i contenuti rilevanti in base al tuo obiettivo. Basato su Python, si integra con le librerie di scraping standard.
Crescita recente: Ha raggiunto il primo posto nelle tendenze di GitHub e ha superato 58.000 stelle. Ottimizzato per l'integrazione con gli LLM con output in markdown e filtraggio dei contenuti BM25. Scelta popolare per le pipeline RAG che richiedono una distribuzione local-first.6
Chi lo usa: Sviluppatori che creano sistemi RAG. Team che necessitano del supporto LLM locale senza costi di API.
Quando ha senso: Stai creando applicazioni LLM che necessitano di dati web. Desideri un output in formato markdown. Hai bisogno di una distribuzione locale senza dipendenze da API cloud. Il tuo caso d'uso prevede filtraggio dei contenuti e ranking di rilevanza.
Limitazioni:
- Richiede un LLM in esecuzione locale o tramite API (non è autonomo)
- Più lento degli scraper tradizionali (elaborazione LLM per ogni pagina)
- Potrebbe tralasciare contenuti importanti se l'LLM li valuta in modo errato
- Maggiore utilizzo di risorse rispetto agli scraper basati su regole
FireCrawl: Converte i siti web in Markdown pulito o JSON. Gestisce navigazione, rendering di JavaScript ed estrazione dei contenuti. Output strutturato per essere fornito alle finestre di contesto degli LLM. Libreria Node.js o CLI.
Chi lo usa: Sviluppatori di applicazioni LLM. Team che creano sistemi di IA per elaborare contenuti web.
Quando ha senso: Hai bisogno di un'estrazione pulita del testo per l'elaborazione tramite LLM. I tuoi siti target usano il rendering JavaScript. Desideri un output strutturato (Markdown/JSON). Stai creando applicazioni Node.js.
Limitazioni:
- Solo Node.js (nessun binding Python)
- Conversione Markdown opinabile (potresti perdere la formattazione necessaria)
- Personalizzazione limitata delle regole di estrazione
- Nessun rate limiting integrato né anti-rilevamento
GPT-crawler: Esegue la scansione dei siti e produce dati di addestramento per GPT personalizzati. Puntalo su documentazione o una knowledge base, estrae i contenuti e li formatta per il fine-tuning. Strumento CLI Python.
Chi lo usa: Team che creano model GPT personalizzati. Organizzazioni che creano assistenti IA specifici per un dominio.
Quando ha senso: Stai facendo fine-tuning di language model. Hai bisogno di dati di addestramento strutturati da fonti web. I tuoi contenuti sono documentazione o knowledge base. Puoi eseguire strumenti CLI Python.
Limitazioni:
- Formato di output specifico per il fine-tuning di GPT (non generico)
- Nessun aggiornamento incrementale (esegue nuovamente la scansione dell'intero sito per gli aggiornamenti)
- Gestione limitata di autenticazione o paywall
- Presuppone una struttura dei contenuti statica
ScrapeGraphAI: Costruisce knowledge graph a partire dai contenuti scansionati. Adatto per i siti di documentazione in cui è necessario comprendere le relazioni tra i concetti. Produce riepiloghi strutturati o grafi di fatti. Distribuzione Python.
Chi lo usa: Team di gestione della conoscenza. Ricercatori che stanno costruendo mappe concettuali a partire dai contenuti web.
Quando ha senso: Hai bisogno di estrarre relazioni, non solo contenuti. I tuoi siti target sono documentazione o contenuti educativi. Stai costruendo knowledge base o mappe concettuali. Disponi di un'infrastruttura Python.
Limitazioni:
- Configurazione complessa (richiede database a grafo e model NLP)
- Più lento degli scraper semplici (estrazione di entità + mappatura delle relazioni)
- La qualità dipende dalla struttura dei contenuti di origine
- Limitato al testo (non gestisce bene tabelle o immagini)
AutoScraper: Scraper che apprende tramite esempi. Mostragli una pagina con i dati desiderati, lui individua il pattern e lo applica a pagine simili. Libreria Python leggera per task di estrazione semplici.
Chi lo usa: Sviluppatori che necessitano di un'estrazione rapida senza scrivere selettori XPath o CSS. Team che stanno prototipando flussi di lavoro di scraping.
Quando ha senso: Le tue pagine target seguono pattern coerenti. Non vuoi scrivere i selettori manualmente. Hai bisogno di prototipi rapidi. I tuoi siti non cambiano frequentemente layout.
Limitazioni:
- Si rompe quando cambiano i layout delle pagine
- Limitato a strutture di pagina simili (non è in grado di generalizzare a siti diversi)
- Nessun supporto per il rendering JavaScript
- Semplice corrispondenza di pattern (nessun ragionamento IA sui contenuti)
LLM Scraper: Invia una pagina a un LLM e chiedi: "Estrai tutti i prezzi dei prodotti" oppure "Trova le informazioni di contatto". Il model interpreta la tua intenzione ed estrae i dati rilevanti. Flessibile ma più costoso degli scraper basati su regole. Basato su Python.
Chi lo usa: Team che necessitano di un'estrazione flessibile senza scrivere regole. Sviluppatori che creano task di estrazione una tantum.
Quando ha senso: Le strutture delle pagine variano troppo per un'estrazione basata su regole. Hai bisogno di una comprensione semantica ("trova il nome dell'autore"). Il costo non è la tua preoccupazione principale. Desideri uno sviluppo rapido senza la creazione di selettori.
Limitazioni:
- Costoso (costi dell'LLM API per ogni pagina)
- Più lento degli scraper basati su regole (latenza dell'API)
- Potrebbe estrarre dati errati se il prompt non è chiaro
- Nessuna garanzia di estrazione coerente dei campi tra le pagine
Strumenti di ricerca IA
BingGPT: Interfaccia di chat che combina la ricerca di Bing con le risposte di GPT. Fai domande e ricevi risposte con le fonti. Applicazione desktop, non basata sul browser.
BraveGPT: estensione del browser IA che aggiunge le risposte di GPT ai risultati di Brave Search. Vedi sia i risultati di ricerca tradizionali sia un riepilogo IA affiancati. Si sovrappone direttamente alle pagine di ricerca.
Aggiungi come fonte preferitaFramework di controllo web per sviluppatori
Librerie di basso livello per il controllo programmatico del browser.
Framework di test
Playwright: automazione multi-browser di Microsoft. Supporta Chromium, Firefox e WebKit. Attese integrate, intercettazione di rete ed emulazione mobile. Disponibile in JavaScript, Python, .NET e Java. Standard di settore per i moderni test web.
Selenium: Il framework originale per l'automazione del browser. Funziona su tutti i principali browser. Ecosistema più ampio ma architettura più datata. Binding per Python, Java, C#, Ruby e altri linguaggi. Protocollo WebDriver standard.
taiko: Framework di ThoughtWorks con sintassi leggibile. Adatto per i test funzionali in cui la leggibilità dei test è importante. Solo Node.js.
Librerie di automazione
Puppeteer: Libreria di Google per il controllo di Chrome/Chromium. API di alto livello per screenshot, generazione di PDF e scraping. L'ecosistema Node.js funziona con TypeScript. Scelta standard per l'automazione di Chrome headless.
Browser-Use: Elencato in precedenza come ponte LLM, ma funziona anche come libreria di automazione per sviluppatori. Converte il DOM in un formato strutturato, gestisce navigazione e interazione. Libreria Python con opzione API.
Cosa rende diversi questi agenti web
Browser-Use ha ottenuto l'89.1% nei test WebVoyager, mentre Agent-E ha raggiunto il 73.1% sul dataset completo. Browser-Use utilizza una pianificazione autonoma delle task con integrazione LangChain. Agent-E analizza direttamente la struttura del DOM senza model di visione, il che è più veloce ma incontra difficoltà quando i siti web utilizzano menu a discesa dinamici o rivelano nuove opzioni in base alle scelte dell'utente.
Livelli di autonomia
Agenti completamente autonomi come Browser-Use, Skyvern e Agent-E accettano obiettivi di alto livello ("trova il volo più economico per Parigi") e pianificano autonomamente i propri passaggi di navigazione. Si adattano a elementi imprevisti come banner cookie o captcha. Tuttavia, ogni decisione richiede una chiamata a un LLM, aumentando sia i costi sia i tempi di risposta.
Strumenti di guida passo-passo come LaVague e ZeroStep eseguono comandi specifici ("clicca il pulsante di ricerca", "inserisci il testo nel campo 2"). Esecuzione più rapida perché saltano l'overhead di pianificazione. Ma se un sito ridisegna il layout, devi aggiornare manualmente le istruzioni.
Framework di codifica manuale come Playwright e Selenium richiedono codice esplicito per ogni clic, compilazione di moduli e navigazione. I test vengono eseguiti in modo identico ogni volta finché il sito non cambia un ID di elemento o il nome di una classe. A quel punto i selettori si rompono e devi riscrivere il codice.
Come interpretano le pagine
Elaborazione basata su visione: Skyvern 2.0, WebVoyager e VimGPT acquisiscono screenshot e li inviano a model di visione come GPT-4V. Identificano pulsanti e moduli osservando la pagina renderizzata.
Skyvern 2.0 utilizza in realtà un ciclo planner-actor-validator. Il planner scompone le task complesse in obiettivi più piccoli, l'attore li esegue e il validator conferma se ciascun obiettivo è stato raggiunto. Questo approccio a tre fasi ha aiutato Skyvern a passare dal 45% (versione a singolo prompt) al 68.7% (con il planner) fino all'85.85% (con il validator che verifica se le azioni hanno effettivamente funzionato).
L'elaborazione visiva funziona sui siti ricchi di JavaScript in cui il DOM viene ricostruito dopo il caricamento della pagina. Ma GPT-4V addebita un costo per token immagine, rendendo ogni visualizzazione di pagina 10-20x più costosa rispetto alla lettura dell'HTML. I model di visione aggiungono inoltre 2-3 secondi per pagina rispetto al parsing del DOM.
Parsing del DOM: Browser-Use e Agent-E leggono direttamente l'HTML della pagina. Analizzano il codice alla ricerca di elementi cliccabili, campi di input e link di navigazione.
Agent-E utilizza la "DOM Distillation" per ridurre le pagine complesse agli elementi essenziali, oltre allo "Skill Harvesting" per ricordare e riutilizzare pattern di interazione efficaci. Ha superato l'agente multimodale WebVoyager (che usa la visione) su siti come Huggingface, Apple e Amazon utilizzando solo testo. Ma la pianificazione di Agent-E perde la sincronizzazione quando i siti web rivelano dinamicamente nuove opzioni, come i menu a discesa che cambiano in base alle selezioni.
Il parsing del DOM costa meno ed è più veloce. L'accuratezza dell'89.1% di Browser-Use deriva in parte dall'integrazione con LangChain e dai prompt aggiornati, non solo dall'evitare le chiamate di visione. Ma gli approcci basati su DOM incontrano difficoltà quando i siti usano shadow DOM, nomi di classe offuscati o una pesante manipolazione di JavaScript.
Approccio combinato: LiteWebAgent e AutoWebGLM analizzano il DOM per la struttura, poi usano la visione per verificare ciò che gli utenti vedono realmente. Più accurato del solo DOM, più economico della pura visione, ma esegui due sistemi per ogni pagina.
Specializzazione
Auto-GPT e AgenticSeek gestiscono la navigazione web insieme alle operazioni sui file e all'esecuzione del codice. Mancano di funzionalità specifiche per il web come la rotazione proxy e la gestione dei cookie, limitando l'efficacia sui siti con rilevamento dei bot.
Agent-E e WebVoyager si occupano solo di navigazione web. Agent-E ha ottenuto complessivamente il 73.1% sul dataset WebVoyager completo di 643 task, superando il 57.1% dell'agente multimodale WebVoyager. Prestazioni elevate su siti come Wolfram (95.7%), Google Search (90.7%) e Google Maps (87.8%). Debole sui siti dinamici: solo il 27.3% su Booking.com e il 35.7% su Google Flights, dove menu a discesa e campi dei moduli cambiano in base alle selezioni dell'utente.
Crawl4AI e FireCrawl estraggono dati e convertono le pagine in Markdown o JSON. Non compilano moduli né eseguono clic nei flussi di lavoro. Usali quando hai bisogno di contenuti in formato strutturato, non quando devi completare task multi-step.
Playwright e Selenium automatizzano i test del browser. Producono risultati identici tra un'esecuzione e l'altra, essenziali per i test di regressione. Ma questo determinismo implica che non possono adattarsi. Quando un sito cambia, la suite di test si rompe.
Opzioni di distribuzione
Esecuzione locale: AgenticSeek, Nanobrowser e OpenInterpreter vengono eseguiti sulla tua macchina. I dati di navigazione restano locali ed eviti i costi dell'API. Ma una tipica workstation gestisce 5-10 istanze del browser concorrenti prima che CPU/RAM raggiungano il massimo.
API cloud: Browserless fornisce istanze Chrome remote tramite REST o WebSocket. Puoi avviare centinaia di sessioni parallele con rotazione automatica dei proxy. Ogni richiesta aggiunge 100-300ms di latenza rispetto ai browser locali e il traffico passa attraverso i loro server, a meno che tu non esegua il self-hosting con Docker.
Distribuzione flessibile: Skyvern viene eseguito in locale durante lo sviluppo e poi distribuito nel cloud per la produzione. Il loro benchmark è stato effettivamente eseguito su Skyvern Cloud (non su macchine locali) per testare le condizioni reali con browser cloud asincroni e indirizzi IP realistici. La maggior parte dei benchmark viene eseguita su IP locali sicuri con buone fingerprint del browser, il che non corrisponde alla realtà di produzione.
Pattern di integrazione
WebSurfer di AutoGen richiede l'adozione dell'intero framework multi-agente di Microsoft. Ottieni orchestrazione degli agenti e gestione della memoria integrate, ma non puoi integrarlo facilmente con i sistemi esistenti.
Browser-Use e Playwright funzionano come librerie autonome. Aggiungili a qualsiasi progetto Python o Node.js. Ma dovrai creare tu il coordinamento degli agenti, la gestione degli errori e l'archiviazione dei risultati.
Nanobrowser e BraveGPT si installano come estensioni di Chrome. Non è richiesta la configurazione di un server: aggiungili al browser e inizia. Non sono scalabili oltre poche schede concorrenti e non si integrano con le pipeline di automazione backend.
Considerazioni per la produzione
Skyvern e Browserless includono il supporto proxy residenziale, movimenti del mouse casualizzati e la rotazione delle fingerprint del browser. Queste funzionalità prevengono i ban degli IP e l'attivazione dei CAPTCHA sui siti protetti.
WebVoyager e AutoWebGLM si concentrano sugli algoritmi di navigazione. Agent-E ha raggiunto il 73.1% utilizzando il solo parsing del DOM basato su testo, superando l'approccio multimodale di WebVoyager del 57.1%. Ma i siti di produzione con Cloudflare o DataDome bloccheranno gli agenti senza adeguate funzionalità anti-rilevamento.
Contesto importante sul benchmark: Browser-Use e Agent-E hanno eseguito i test in locale con indirizzi IP sicuri. Skyvern ha eseguito i test specificamente su infrastrutture cloud per riprodurre le condizioni reali di produzione, in cui ci si trova di fronte a rilevamento dei bot, fingerprinting del browser e sfide CAPTCHA. I test del benchmark stessi vengono eseguiti su siti cooperativi senza una protezione aggressiva dai bot, quindi i tassi di successo reali saranno inferiori a quanto suggeriscono questi numeri.
Fonti dei benchmark
Cita questa ricerca
Scegli il formato adatto a dove pubblicherai. Incollare la versione con link nel tuo CMS preserva il backlink.
@misc{dilmegani2026,
author = {Dilmegani, Cem},
title = {{I migliori 30+ agenti web open source}},
year = {2026},
month = sep,
howpublished = {\url{https://aimultiple.com/open-source-web-agents}},
note = {AIMultiple. Consultato il 1 Settembre 2026}
}Registro delle modifiche
5 aggiornamenti- 2026
Rimosso l'elenco delle categorie prima del grafico delle stelle GitHub.
Espansa la sezione "Risultati del Benchmark Web Voyager" con siti web e tipi di attività aggiuntivi.
Aggiornata la sezione "Valutazione: Web Voyager Benchmark" con nuovi risultati di benchmark e dettagli sulla metodologia.
- 2025
Espansa la sezione "Cosa rende diversi questi agenti web".
Aggiornata l'introduzione, aggiungendo un benchmark di 8 server MCP per la ricerca web e le attività di automazione del browser.
Collegamenti di riferimento
Il lavoro di Cem presso AIMultiple è stato citato da importanti testate internazionali tra cui Business Insider, Forbes, Morning Brew e Washington Post, da aziende globali come Deloitte e HPE, da ONG come il World Economic Forum e da organizzazioni sovranazionali come la Commissione europea. [1], [2], [3], [4], [5]
Nel corso della sua carriera, Cem ha lavorato come consulente tecnologico, acquirente tecnologico e imprenditore tecnologico. Ha consigliato le aziende sulle loro decisioni tecnologiche presso McKinsey & Company e Altman Solon per più di un decennio. Ha inoltre pubblicato un report McKinsey sulla digitalizzazione.
Ha guidato la strategia tecnologica e gli approvvigionamenti di una società di telecomunicazioni rispondendo direttamente al CEO. Ha inoltre guidato la crescita commerciale dell'azienda deep tech Hypatos, che ha raggiunto ricavi ricorrenti annuali a 7 cifre e una valutazione a 9 cifre partendo da zero in 2 anni. Il lavoro di Cem in Hypatos è stato ripreso da importanti testate tecnologiche come TechCrunch e Business Insider.
Cem interviene regolarmente a conferenze tecnologiche internazionali. Si è laureato come ingegnere informatico presso l'Università di Bogazici e possiede un MBA della Columbia Business School.
Sii il primo a commentare
Il tuo indirizzo email non verrà pubblicato. Tutti i campi sono obbligatori. I commenti vengono lasciati nella loro lingua originale.