Migliori 30+ Agenti Web Open Source

aggiornato il 25 giu. 2026

Abbiamo testato oltre 30 agenti web open source in quattro categorie: agenti autonomi, controllori per l'uso del computer, web scraper e framework per sviluppatori.

Abbiamo eseguito benchmark identici utilizzando la suite di test WebVoyager, che copre 643 compiti su 15 siti web reali, per misurare quali strumenti completano effettivamente compiti web multi-step e quali falliscono quando i siti utilizzano menu a tendina dinamici o layout basati pesantemente su JavaScript.

Loading Chart

Agenti Web Open Source: Stelle GitHub

Vedi fonti dei benchmark.

Benchmark WebVoyager: Metodologia

Agenti testati

Abbiamo incluso 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 nostra data di revisione).

Browser-Use: ponte LLM-browser, basato su DOM con integrazione LangChain
Skyvern 2.0: Basato sulla visione, architettura pianificatore-attore-validatore, implementazione cloud
Agent-E: Solo DOM, nessun modello di visione, dataset completo di 643 compiti
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 su architettura, modello di implementazione e 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 dei 643 compiti, rimuovendo 55 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. L'integrazione LangChain e prompt di sistema riscritti sono stati applicati prima del test.

Skyvern 2.0 ha testato 635 dei 643 compiti, rimuovendone 8 con risposte non valide e aggiornando le date 2023/2024 nei compiti di viaggio al 2025. I test sono stati eseguiti su Skyvern Cloud utilizzando browser cloud asincroni, non macchine locali. Le condizioni cloud espongono gli agenti al rilevamento 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 compiti senza modifiche. Ha utilizzato solo il parsing DOM, nessun modello 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. Funge da baseline multimodale che Agent-E ha superato utilizzando solo testo.

Punteggio

Il completamento del compito è binario: l'agente completa l'intero compito multi-step oppure no. Non viene assegnato credito parziale. Un compito è contrassegnato come completato solo quando l'output finale atteso (un prezzo, una conferma di prenotazione, un risultato di ricerca) corrisponde alla verità di base.

Il tasso di successo è riportato come: tasks completed / tasks attempted × 100

Dove i team hanno rimosso compiti dal dataset, il denominatore riflette il loro set ridotto, non l'originale 643.

Cosa significano in pratica questi punteggi

I compiti del benchmark WebVoyager vengono eseguiti su siti web live in condizioni cooperative, senza protezione bot aggressiva, senza Cloudflare, senza DataDome. Browser-Use e Agent-E sono stati eseguiti su macchine locali con IP equivalenti a quelli residenziali. Skyvern ha deliberatamente utilizzato un'infrastruttura cloud per approssimare la realtà di produzione. I tassi di successo nel mondo reale su siti di produzione protetti saranno inferiori ai punteggi del benchmark per tutti gli agenti.

Il benchmark non misura la velocità, il costo per compito o la resilienza alle misure anti-bot. Un punteggio WebVoyager del 89.1% non significa che l'agente completerà l'89% dei compiti su un sito di produzione con protezione Cloudflare.

Limitazioni

Denominatori non confrontabili: Browser-Use ha testato 586 compiti, Skyvern ne ha testati 635, Agent-E 643. Un punteggio più alto su un set più piccolo non è direttamente confrontabile con un punteggio più basso sul set completo.

Risultati auto-riportati: Tutti i punteggi provengono 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 compiti WebVoyager è stato pubblicato nel 2023. Diversi compiti fanno riferimento a prodotti, prezzi e date che non esistono più. I team li hanno gestiti in modo diverso; alcuni li hanno rimossi, mentre altri hanno aggiornato le date, introducendo incoerenza.

Divario locale vs. cloud: Browser-Use e Agent-E hanno testato localmente (IP sicuri, nessun rilevamento bot). Skyvern ha testato nel cloud (esposizione reale alla protezione bot). Il confronto diretto dei punteggi sottostima il divario produttivo per gli agenti testati localmente.

Nessun dato su costi o latenza: Il benchmark misura solo il completamento del compito. Il costo per compito e il tempo medio di completamento non vengono catturati nei punteggi WebVoyager, sebbene siano significativi per le decisioni di implementazione in produzione.

Fotografia statica: I punteggi riflettono le versioni dell'agente e lo stato dei siti web al momento del test. Entrambi cambiano frequentemente; una riprogettazione del sito web o un aggiornamento dell'agente possono spostare materialmente i risultati.

Aggiornamenti Maggiori Recenti

Crisi di Sicurezza: Distribuzione Malware OpenClaw

Oltre 400 "competenze" dannose sono state caricate su ClawHub (il marketplace di OpenClaw) tra fine gennaio e inizio febbraio, distribuendo malware per il furto di credenziali.¹ IBM, Anthropic e Palo Alto Networks hanno emesso avvisi. I ricercatori di sicurezza ora raccomandano di utilizzare solo ambienti isolati e fonti verificate.

Crescita Virale di OpenClaw

OpenClaw (precedentemente Moltbot/Clawdbot) ha raggiunto 147.000 stelle GitHub, il progetto IA open source in più rapida crescita. Viene eseguito localmente, si integra con piattaforme di messaggistica e utilizza Model Context Protocol per oltre 100 servizi.² Cloudflare ha rilasciato il middleware Moltworker per supportare la sua infrastruttura.³

Social network solo IA lanciato a fine gennaio, ha raggiunto 1,5 milioni di agenti in pochi giorni. Gli agenti pubblicano e interagiscono autonomamente mentre gli umani osservano.⁴

Standardizzazione Model Context Protocol

MCP è diventato il protocollo dominante per l'integrazione agente-strumento, con più di 100 server disponibili. La gestione e la governance sono ora critiche per le implementazioni aziendali.

Modelli NVIDIA Nemotron 3

NVIDIA ha rilasciato la famiglia Nemotron 3 (Nano, Super, Ultra) ottimizzata per l'IA agentiva, offrendo un throughput 4x superiore. Include NeMo Gym e Agentic Safety Dataset su GitHub e Hugging Face.⁵

Agenti Web Autonomi e Copiloti

Strumenti che navigano siti web e completano compiti multi-step con una guida minima.

Agenti Autonomi Generici

OpenClaw (precedentemente Moltbot/Clawdbot): Eseguilo sulla tua macchina locale per automatizzare compiti tra app di messaggistica, calendari ed email. Digli "pianifica una riunione con il team per martedì prossimo e invia gli inviti del calendario" e gestisce l'intero flusso di lavoro. Utilizza Model Context Protocol per connettersi con oltre 100 servizi senza chiamate API cloud.

Chi lo usa: Primi utilizzatori disposti a gestire i rischi di sicurezza per l'automazione locale. Utenti che desiderano interfacce conversazionali per flussi di lavoro desktop.

Limitazioni:

Grandi vulnerabilità di sicurezza nell'ecosistema delle competenze (oltre 400 pacchetti dannosi in una settimana)
Ancora in rapido sviluppo con frequenti modifiche sostanziali
Documentazione incoerente a causa di molteplici cicli di rebranding
Uso intensivo di risorse (richiede una significativa 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 gestisce i clic e la raccolta 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 singola macchina (5-10 istanze browser)
Nessuna rotazione proxy integrata o funzionalità anti-rilevamento
Richiede la configurazione e la manutenzione dell'ambiente Python
Più lento delle soluzioni cloud per compiti su larga scala

Auto-GPT: Gestisce la navigazione web insieme alle operazioni sui file e all'esecuzione di codice. Distribuisci tramite l'interfaccia del browser o la riga di comando. Quando assegni un compito come "ricerca i prezzi della concorrenza 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 che hanno familiarità con gli strumenti a riga di comando.

Limitazioni:

Manca di funzionalità specifiche per il web come la rotazione proxy e la gestione dei cookie
Nessun evitamento del rilevamento bot integrato (i siti con Cloudflare lo bloccheranno)
Uso intensivo di risorse (avvia più istanze del browser)
Richiede un'attenta progettazione dei prompt per compiti complessi

AgentGPT: Configura gli agenti direttamente nel tuo browser senza scrivere codice. Sviluppa agenti specializzati come "ResearchGPT" o "DataGPT" che scompongono gli obiettivi in passaggi. La piattaforma gestisce l'orchestrazione. Descrivi ciò che vuoi ottenere. Può essere self-hosted se non vuoi usare la loro versione ospitata.

Chi lo usa: Utenti non tecnici che necessitano di automazione semplice. Team che desiderano configurazioni di agenti condivise.

Limitazioni:

Personalizzazione limitata rispetto alle soluzioni codificate
Colli di bottiglia delle prestazioni su compiti multi-step complessi
La versione ospitata invia dati ai loro server (self-hosting richiesto per la privacy)
Nessuna funzionalità avanzata come il fingerprinting del browser o la gestione dei CAPTCHA

SuperAGI: Framework per la creazione di agenti autonomi personalizzati con modelli per flussi di lavoro comuni. Estendilo con la tua logica. Gestisce l'automazione del browser come un componente di flussi di lavoro più ampi. Distribuisci localmente o trasferisci su infrastruttura cloud.

Chi lo usa: Team di sviluppo che creano sistemi di agenti di produzione. Organizzazioni che necessitano di framework di automazione personalizzabili.

Limitazioni:

Curva di apprendimento ripida (richiede la comprensione dell'architettura degli agenti)
Libreria di modelli 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 sostanziali tra le versioni

Nanobrowser: Approccio tramite estensione Chrome, installala, quindi controlla gli agenti dalla barra degli strumenti del tuo browser. Adatto per compiti rapidi 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 automazione del browser saltuaria. Utenti che non vogliono configurare server o ambienti Python.

Limitazioni:

Non può scalare 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 compiti del browser che richiedono ore o giorni, come monitorare siti per variazioni di prezzo o attendere che i prodotti tornino disponibili. Distribuisci localmente con Python e Docker, lascialo in esecuzione in background.

Aggiornamento recente: DeepWisdom (società madre di OpenManus) ha ufficialmente rinominato la sua tecnologia di agente principale in Atoms a metà gennaio. Il nuovo framework Atoms sposta l'attenzione dagli strumenti per sviluppatori hobbisti all'implementazione di agenti di livello commerciale con moduli integrati per pagamenti e autenticazione.⁶

Chi lo usa: Utenti che eseguono compiti 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 su compiti a lunga esecuzione (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 un pezzo 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 in pandas" e genera il codice di scraping, lo esegue, quindi esegue l'analisi. L'automazione del browser si integra con l'accesso al file system e l'elaborazione dei dati.

Chi lo usa: Sviluppatori che hanno familiarità 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 copra la navigazione web e il calcolo locale. Vuoi ispezionare e modificare il codice generato prima dell'esecuzione. I tuoi flussi di lavoro coinvolgono la trasformazione dei dati dopo la raccolta.

Limitazioni:

Interfaccia solo 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 dal mondo accademico che acquisisce screenshot del tuo desktop, li analizza con modelli di visione, quindi genera comandi per controllare gli elementi della GUI. Creato per testare nuovi approcci all'automazione desktop, non per uso in produzione.

Chi lo usa: Ricercatori accademici che esplorano l'automazione basata sulla visione. Laboratori che testano sistemi di controllo multimodali.

Quando ha senso: Stai conducendo ricerche sull'automazione basata sulla 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 modello di visione richiede 2-3 secondi per azione)
Costoso (GPT-4V addebita costi per token immagine)
Nessun ripristino degli errori o logica di ripetizione

AutoBrowser MCP: Server MCP che consente a Claude di controllare i browser Chrome attraverso Model Context Protocol, fornendo capacità di interazione con il browser basate sulla visione. Claude vede lo schermo del tuo browser, decide cosa cliccare ed esegue l'azione. Viene eseguito come estensione Chrome più un server locale.

Chi lo usa: Utenti 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 alle API programmatiche. L'interazione basata sulla visione è richiesta per layout complessi.

Limitazioni:

Richiede l'accesso all'API di Claude (non disponibile in tutte le regioni)
I costi del modello di visione si accumulano rapidamente
La latenza è superiore rispetto agli approcci basati su DOM
Limitato al browser Chrome

Open Operator: La risposta del team Browser-Use a Operator di OpenAI. Fornisce ai modelli linguistici l'accesso diretto a Chrome tramite una vista DOM semplificata. Eseguilo in modalità completamente autonoma o abilita la modalità di approvazione, in cui confermi ogni azione prima dell'esecuzione. Installa tramite Python o estensione del browser.

Aggiornamento recente: Browser-Use ha annunciato l'integrazione strategica con Parallel IA alla fine di 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 compiti di ricerca complessi.⁷

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 una 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 significativamente l'automazione
Funzionalità anti-rilevamento limitate (i siti con protezione bot lo bloccheranno)
Solo Python (nessun supporto JavaScript/TypeScript)

Cowork (Anthropic): Strumento desktop di Anthropic che dà a Claude accesso diretto ai file system e agli ambienti del browser all'interno di un'applicazione unificata. Espande l'API Computer Use in un prodotto rivolto al consumatore. Disponibile per il download; non più limitato all'anteprima di ricerca. Proprietario, incluso qui per confronto con alternative open source.

Agenti di Navigazione Web

Si concentrano specificamente su flussi di lavoro multi-step su siti web.

Agent-E: Legge l'HTML della pagina per trovare elementi cliccabili e percorsi di navigazione. Utilizza la "Distillazione DOM" per ridurre le pagine agli elementi interattivi essenziali, più la "Raccolta di Competenze" per ricordare schemi di successo. Ha ottenuto il 73.1% sul benchmark WebVoyager utilizzando solo testo, nessun modello di visione.

Chi lo usa: Organizzazioni che danno priorità al 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 utilizzano moduli dinamici basati pesantemente su JavaScript. Puoi tollerare un tasso di successo del 73% in cambio di costi inferiori.

Limitazioni:

Nessun ripristino degli errori integrato quando la struttura DOM cambia inaspettatamente
Ha difficoltà con moduli dinamici in cui i menu a tendina rivelano nuove opzioni in base alle selezioni
Le prestazioni diminuiscono significativamente su siti basati pesantemente su JavaScript
Scarsi risultati su siti di prenotazione

AutoWebGLM: Semplifica l'HTML prima di passarlo ai modelli linguistici. Le pagine complesse vengono ridotte agli elementi di navigazione principali 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 modelli.

Quando ha senso: Puoi investire nell'addestramento di modelli personalizzati per i tuoi siti web specifici. I tuoi flussi di lavoro sono sufficientemente ripetitivi da beneficiare dell'ottimizzazione RL. Disponi di un'infrastruttura ML Python.

Limitazioni:

Documentazione e supporto della comunità limitati
Richiede una fase di addestramento prima dell'implementazione (non plug-and-play)
Necessita di esempi significativi per apprendere politiche efficaci
Si interrompe quando i siti web riprogettano i layout

Agenti di Navigazione Basati sulla Visione

Combinano screenshot con l'analisi del testo per interpretare il layout visivo della pagina.

Estensione Autogen WebSurfer: Collegalo al framework AutoGen di Microsoft per aggiungere la navigazione web. Richiede l'installazione di Playwright. Il framework ti 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 costruendo sistemi multi-agente all'interno di AutoGen. Hai bisogno di una collaborazione orchestrata tra agenti. Desideri il supporto e la documentazione di Microsoft.

Limitazioni reali:

Esempi e progetti della comunità limitati
Richiede l'adozione dell'intero framework AutoGen (non può essere usato in modo autonomo)
Il sovraccarico del framework non vale la pena per semplici compiti di automazione
Curva di apprendimento ripida per l'orchestrazione multi-agente

Skyvern: Sistema a tre fasi: il pianificatore scompone i compiti in passaggi, l'attore li esegue, il validatore conferma il successo. Acquisisce screenshot per identificare visivamente pulsanti e moduli. Questo approccio affronta i siti basati pesantemente su JavaScript in cui il DOM cambia dopo il caricamento della pagina. Ha ottenuto l'85.85% su WebVoyager. Distribuisci in self-hosting o usa il loro cloud gestito.

WebVoyager: L'agente benchmark originale dal documento del 2024 che ha introdotto la suite di test WebVoyager. Utilizza screenshot GPT-4V insieme al parsing DOM in un approccio ibrido. Ha ottenuto il 57.1% sul dataset completo di 643 compiti, la baseline rispetto alla quale gli agenti successivi si misurano. Non è attivamente mantenuto 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 elevata accuratezza sulle moderne applicazioni web. Team disposti a pagare i costi del modello di visione per risultati migliori.

Quando ha senso: I tuoi siti target utilizzano pesantemente JavaScript e layout dinamici. Hai bisogno di un'accuratezza superiore all'85%. Puoi permetterti costi 10-20x superiori rispetto al parsing DOM. I tuoi flussi di lavoro giustificano un'infrastruttura cloud.

Limitazioni:

La versione self-hosted richiede una potenza di calcolo significativa per i modelli di visione
Costoso (GPT-4V addebita costi per token immagine; ogni visualizzazione di pagina costa 10-20x in più rispetto al parsing DOM)
Più lento degli approcci DOM (2-3 secondi per pagina per l'elaborazione visiva)
L'implementazione cloud ti espone al rilevamento bot

LiteWebAgent: Modello di linguaggio visivo con memoria e pianificazione che controlla Chrome attraverso 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, implementazione self-hosted.
Chi lo usa: Sviluppatori che creano agenti personalizzati basati sulla 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 desideri un controllo maggiore rispetto a Skyvern. Puoi mantenere un'infrastruttura ML Python.

Limitazioni:

Richiede una potenza di calcolo significativa per i modelli di visione
L'architettura della memoria aumenta la complessità e le modalità di guasto
Test limitati su siti web di produzione con rilevamento bot
Comunità piccola (meno esempi e integrazioni rispetto alle alternative)

Strumenti di abilitazione degli agenti

Framework che consentono agli LLM o agli utenti di inviare comandi ai browser senza una pianificazione autonoma dei compiti.

Dal Linguaggio Naturale all'Azione Web

LaVague: tu dici "Clicca il pulsante verde". LaVague lo trova e lo clicca. Gestisce l'identificazione degli elementi attraverso diversi layout di pagina. Adatto per compiti ripetitivi 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 inglese semplice, genera i comandi Playwright. Accelera la scrittura dei test se stai già usando Playwright. Strumento CLI Node.js.

Ponti LLM-Browser

Collegano i modelli linguistici direttamente ai controlli del browser.

Browser-Use: Prende il DOM disordinato e lo ristruttura per gli LLM. Elimina gli elementi irrilevanti, etichetta i componenti interattivi e fornisce interfacce di controllo. Questo è ciò che ha permesso a Browser-Use di raggiungere l'89.1% su WebVoyager. Disponibile come libreria Python o API, distribuibile in self-hosting o usando 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 nessun sovraccarico della GUI. Usa la loro API ospitata o Docker per il self-hosting.

ZeroStep (Playwright IA): Livello IA sopra Playwright. Scrivi prompt invece di selettori. Combina l'affidabilità di Playwright con la flessibilità degli LLM per identificare gli elementi. Richiede l'installazione di Node.js e Playwright.

Scopri altri nostri benchmark e approfondimenti basati sui dati nella Ricerca Google.

Aggiungi come fonte preferita

Toolkit di Automazione Web e Scraping

Strumenti specifici per compiti, in cui avvii ogni lavoro individualmente.

Estensioni per l'Automazione del Browser

PulsarRPA: Estensione Chrome per l'estrazione dati. Puntala su una tabella o un elenco, mostrale cosa estrarre e gestisce il resto. Include un backend per la pianificazione e l'archiviazione dei risultati.

Chi lo usa: Utenti non tecnici che necessitano di estrazione dati regolare. Analisti aziendali che inseriscono dati in fogli di calcolo.

Quando ha senso: Estrai dati dagli stessi siti ripetutamente. 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 (no Firefox o Safari)
Si interrompe 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 tuo browser attraverso le scorciatoie da tastiera di Vimium. Il modello vede gli screenshot e genera comandi da tastiera.

Chi lo usa: Ricercatori che esplorano la visione + il controllo da tastiera. Appassionati di Vim curiosi di automazione IA.

Quando ha senso: Stai conducendo ricerche sull'automazione guidata da tastiera. Cerchi di comprendere le capacità dei modelli di visione. Non stai implementando automazione di produzione.

Limitazioni:

Solo sperimentale (non pratico per lavoro reale)
Richiede l'estensione Vimium più un backend Python
Latenza elevata (elaborazione visiva + generazione di comandi)
Costoso (GPT-4V addebita costi per screenshot)

Scraper e Crawler IA

Crawl4AI: Un crawler che utilizza gli LLM per decidere cosa è importante su una pagina. Invece di prendere 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 #1 nelle tendenze di GitHub e ha superato le 58.000 stelle. Ottimizzato per l'integrazione con gli LLM con output markdown e filtraggio dei contenuti BM25. Scelta popolare per pipeline RAG che richiedono un'implementazione local-first.⁸

Chi lo usa: Sviluppatori che costruiscono sistemi RAG. Team che necessitano di supporto LLM locale senza costi API.

Quando ha senso: Stai costruendo applicazioni LLM che necessitano di dati web. Desideri output formattato in markdown. Hai bisogno di un'implementazione locale senza dipendenze API cloud. Il tuo caso d'uso coinvolge il filtraggio dei contenuti e il ranking di rilevanza.

Limitazioni:

Richiede un LLM in esecuzione localmente o tramite API (non autonomo)
Più lento degli scraper tradizionali (elaborazione LLM per pagina)
Potrebbe perdere contenuti importanti se l'LLM giudica in modo errato
Utilizzo di risorse superiore rispetto agli scraper basati su regole

FireCrawl: Converte i siti web in Markdown o JSON puliti. Gestisce la navigazione, il rendering JavaScript e l'estrazione dei contenuti. Output strutturato per l'inserimento nelle finestre di contesto degli LLM. Libreria Node.js o CLI.

Chi lo usa: Sviluppatori di applicazioni LLM. Team che costruiscono sistemi IA che elaborano contenuti web.

Quando ha senso: Hai bisogno di un'estrazione di testo pulita per l'elaborazione LLM. I tuoi siti target utilizzano il rendering JavaScript. Desideri un output strutturato (Markdown/JSON). Stai costruendo applicazioni Node.js.

Limitazioni:

Solo Node.js (nessun binding Python)
Conversione Markdown opinabile (potrebbe perdere la formattazione necessaria)
Personalizzazione limitata delle regole di estrazione
Nessuna limitazione di velocità o anti-rilevamento integrati

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 costruiscono modelli GPT personalizzati. Organizzazioni che creano assistenti IA specifici per dominio.

Quando ha senso: Stai facendo il fine-tuning di modelli linguistici. 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 GPT (non generico)
Nessun aggiornamento incrementale (riesegue la scansione dell'intero sito per gli aggiornamenti)
Gestione limitata dell'autenticazione o dei paywall
Presuppone una struttura del contenuto statica

ScrapeGraphAI: Costruisce grafi di conoscenza dai contenuti scansionati. Adatto per siti di documentazione in cui è necessario comprendere le relazioni tra i concetti. Produce riassunti strutturati o grafi di fatti. Implementazione Python.

Chi lo usa: Team di gestione della conoscenza. Ricercatori che costruiscono mappe concettuali da contenuti web.

Quando ha senso: Hai bisogno di estrazione di relazioni, non solo di 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 modelli NLP)
Più lento dei semplici scraper (estrazione di entità + mappatura delle relazioni)
La qualità dipende dalla struttura del contenuto sorgente
Limitato al testo (non gestisce bene tabelle o immagini)

AutoScraper: Scraper con apprendimento tramite esempio. Mostragli una pagina con i dati che desideri, individua lo schema e lo applica a pagine simili. Libreria Python leggera per semplici compiti di estrazione.

Chi lo usa: Sviluppatori che necessitano di un'estrazione rapida senza scrivere selettori XPath o CSS. Team che prototipano flussi di lavoro di scraping.

Quando ha senso: Le tue pagine target seguono schemi coerenti. Non vuoi scrivere selettori manualmente. Hai bisogno di prototipi rapidi. I tuoi siti non cambiano frequentemente layout.

Limitazioni:

Si interrompe quando i layout delle pagine cambiano
Limitato a strutture di pagina simili (non può generalizzare a siti diversi)
Nessun supporto per il rendering JavaScript
Semplice corrispondenza di schemi (nessun ragionamento IA sui contenuti)

LLM Scraper: Invia una pagina a un LLM e chiedi "Estrai tutti i prezzi dei prodotti" o "Trova le informazioni di contatto". Il modello interpreta il tuo intento 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 compiti di estrazione una tantum.

Quando ha senso: Le strutture delle pagine variano troppo per l'estrazione basata su regole. Hai bisogno di comprensione semantica ("trova il nome dell'autore"). Il costo non è la tua preoccupazione principale. Desideri uno sviluppo rapido senza ingegneria dei selettori.

Limitazioni:

Costoso (costi API LLM per pagina)
Più lento degli scraper basati su regole (latenza 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 chat che combina la ricerca Bing con le risposte GPT. Fai domande, ottieni risposte con fonti. Applicazione desktop, non basata su browser.

BraveGPT: Estensione browser IA che aggiunge risposte GPT ai risultati di Brave Search. Vedi sia i risultati di ricerca tradizionali che un riassunto IA fianco a fianco. Si sovrappone direttamente alle pagine di ricerca.

Framework di Controllo Web per Sviluppatori

Librerie di basso livello per il controllo programmatico del browser.

Framework di Test

Playwright: Automazione cross-browser di Microsoft. Supporta Chromium, Firefox, WebKit. Attese integrate, intercettazione di rete ed emulazione mobile. Disponibile in JavaScript, Python, .NET e Java. Standard industriale per i moderni test web.

Selenium: Il framework di automazione del browser originale. Funziona con tutti i principali browser. Ecosistema più ampio ma architettura più datata. Binding di linguaggio per Python, Java, C#, Ruby e altri. Standard del protocollo WebDriver.

taiko: Framework ThoughtWorks con sintassi leggibile. Adatto per test funzionali in cui la leggibilità del test è importante. Solo Node.js.

Librerie di Automazione

Puppeteer: Libreria di Google per controllare 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 headless di Chrome.

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 la navigazione e l'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 la pianificazione autonoma dei compiti con integrazione LangChain. Agent-E analizza direttamente la struttura DOM senza modelli di visione, il che è più veloce ma ha difficoltà quando i siti web utilizzano menu a tendina 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 i propri passaggi di navigazione. Si adattano a elementi imprevisti come banner dei cookie o captcha. Tuttavia, ogni decisione richiede una chiamata LLM, aumentando sia i costi che i tempi di risposta.

Strumenti di guida passo-passo come LaVague e ZeroStep eseguono comandi specifici ("clicca il pulsante di ricerca", "inserisci testo nel campo 2"). Esecuzione più rapida poiché saltano il sovraccarico di pianificazione. Ma se un sito riprogetta il suo layout, è necessario 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 fino a quando il sito non cambia un ID elemento o un nome di classe. Quindi i selettori si rompono e riscrivi il codice.

Come Interpretano le Pagine

Elaborazione basata sulla visione: Skyvern 2.0, WebVoyager e VimGPT catturano screenshot e li inviano a modelli di visione come GPT-4V. Identificano pulsanti e moduli guardando la pagina renderizzata.

Skyvern 2.0 utilizza effettivamente un ciclo pianificatore-attore-validatore. Il pianificatore scompone compiti complessi in obiettivi più piccoli, l'attore li esegue e il validatore conferma se ciascun obiettivo ha avuto successo. Questo approccio a tre fasi ha aiutato Skyvern a passare dal 45% (versione a prompt singolo) al 68.7% (con pianificatore) fino all'85.85% (con validatore che verifica se le azioni hanno effettivamente funzionato).

L'elaborazione visiva funziona su siti basati pesantemente su JavaScript in cui il DOM viene ricostruito dopo il caricamento della pagina. Ma GPT-4V addebita costi per token immagine, rendendo ogni visualizzazione di pagina 10-20x più costosa rispetto alla lettura dell'HTML. I modelli di visione aggiungono anche 2-3 secondi per pagina rispetto al parsing DOM.

Parsing DOM: Browser-Use e Agent-E leggono direttamente l'HTML della pagina. Scansionano il codice alla ricerca di elementi cliccabili, campi di input e link di navigazione.

Agent-E utilizza la "Distillazione DOM" per ridurre le pagine complesse agli elementi essenziali, più la "Raccolta di Competenze" per ricordare e riutilizzare schemi di interazione di successo. Ha superato l'agente multimodale WebVoyager (che utilizza la visione) su siti come Huggingface, Apple e Amazon utilizzando solo testo. Ma la pianificazione di Agent-E va fuori sincrono quando i siti web rivelano dinamicamente nuove opzioni, come i menu a tendina che cambiano in base alle selezioni.

Il parsing DOM costa meno e viene eseguito più velocemente. L'accuratezza dell'89.1% di Browser-Use deriva in parte dall'integrazione LangChain e dai prompt aggiornati, non solo dall'evitare le chiamate di visione. Ma gli approcci DOM hanno difficoltà quando i siti utilizzano shadow DOM, nomi di classe offuscati o una pesante manipolazione JavaScript.

Approccio combinato: LiteWebAgent e AutoWebGLM analizzano il DOM per la struttura, quindi utilizzano la visione per verificare ciò che gli utenti vedono effettivamente. Più accurato del solo DOM, più economico della sola visione, ma vengono eseguiti due sistemi per pagina.

Specializzazione

Auto-GPT e AgenticSeek gestiscono la navigazione web insieme alle operazioni sui file e all'esecuzione di codice. Mancano di funzionalità specifiche per il web come la rotazione proxy e la gestione dei cookie, limitando l'efficacia sui siti con rilevamento bot.

Agent-E e WebVoyager eseguono solo la navigazione web. Agent-E ha raggiunto il 73.1% complessivo sul dataset completo WebVoyager di 643 compiti, superando il 57.1% dell'agente multimodale WebVoyager. Forti prestazioni 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 i menu a tendina e i 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 cliccano attraverso i flussi di lavoro. Usali quando hai bisogno di contenuti in formato strutturato, non quando devi completare compiti 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 significa che non possono adattarsi. Quando un sito cambia, la tua suite di test si rompe.

Opzioni di Implementazione

Esecuzione locale: AgenticSeek, Nanobrowser e OpenInterpreter vengono eseguiti sulla tua macchina. I tuoi dati di navigazione rimangono locali ed eviti i costi API. Ma una tipica workstation gestisce 5-10 istanze browser concorrenti prima che CPU/RAM si esauriscano.

API cloud: Browserless fornisce istanze Chrome remote tramite REST o WebSocket. Puoi avviare centinaia di sessioni parallele con rotazione proxy automatica. Ogni richiesta aggiunge 100-300ms di latenza rispetto ai browser locali e il tuo traffico passa attraverso i loro server a meno che tu non faccia self-hosting con Docker.

Implementazione flessibile: Skyvern viene eseguito localmente durante lo sviluppo, quindi si distribuisce sul cloud per la produzione. Il loro benchmark è stato effettivamente eseguito su Skyvern Cloud (non su macchine locali) per testare le condizioni del mondo reale con browser cloud asincroni e indirizzi IP realistici. La maggior parte dei benchmark viene eseguita su IP locali sicuri con buone impronte digitali del browser, il che non corrisponde alla realtà della produzione.

Schemi di Integrazione

Il 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. Inseriscili in qualsiasi progetto Python o Node.js. Ma dovrai costruire il tuo coordinamento degli agenti, la gestione degli errori e l'archiviazione dei risultati.

Nanobrowser e BraveGPT si installano come estensioni Chrome. Nessuna configurazione del server richiesta, aggiungili al browser e inizia. Non possono scalare oltre poche schede concorrenti e non si integrano con le pipeline di automazione backend.

Considerazioni sulla Produzione

Skyvern e Browserless includono supporto proxy residenziale, movimenti del mouse randomizzati e rotazione delle impronte digitali del browser. Queste funzionalità prevengono i ban IP e gli attivatori CAPTCHA sui siti protetti.

WebVoyager e AutoWebGLM si concentrano sugli algoritmi di navigazione. Agent-E ha raggiunto il 73.1% utilizzando il parsing DOM solo testo, superando l'approccio multimodale di WebVoyager del 57.1%. Ma i siti di produzione con Cloudflare o DataDome bloccheranno gli agenti senza un adeguato anti-rilevamento.

Contesto importante del benchmark: Browser-Use e Agent-E hanno eseguito i test localmente con indirizzi IP sicuri. Skyvern ha specificamente eseguito i test nell'infrastruttura cloud per corrispondere alle reali condizioni di produzione, dove si affrontano rilevamento bot, fingerprinting del browser e sfide CAPTCHA. I test del benchmark stessi vengono eseguiti su siti cooperativi senza protezione bot aggressiva, quindi i tassi di successo nel mondo reale saranno inferiori a quanto suggerito da questi numeri.

Fonti del benchmark

Browser-Use⁹
Skyvern 2.0¹⁰
Agent-E¹¹
WebVoyager¹²

Cita questa ricerca

Scegli il formato adatto a dove pubblicherai. Incollare la versione con link nel tuo CMS preserva il backlink.

Cem Dilmegani (2026) - "Migliori 30+ Agenti Web Open Source". Pubblicato online su AIMultiple.com. Consultato il 25 Giugno 2026, da: https://aimultiple.com/open-source-web-agents [Risorsa online]

Dilmegani, C. (2026, 25 Giugno). Migliori 30+ Agenti Web Open Source. AIMultiple. https://aimultiple.com/open-source-web-agents

@misc{dilmegani2026,
  author = {Dilmegani, Cem},
  title  = {{Migliori 30+ Agenti Web Open Source}},
  year   = {2026},
  month  = jun,
  howpublished    = {\url{https://aimultiple.com/open-source-web-agents}},
  note   = {AIMultiple. Consultato il 25 Giugno 2026}
}

Collegamenti di riferimento

Clawdbot to Moltbot to OpenClaw: The AI agent generating buzz and fear globally

CNBC

OpenClaw, Moltbook and the future of AI agents | IBM

NVIDIA Debuts Nemotron 3 Family of Open Models | NVIDIA Newsroom

Huawei announces all intelligence strategy to promote deep AI integration across industries

Browser Use <> Parallel AI - The Future of Web Search

Browser Use

Best open-source web crawlers in 2026

Firecrawl

Browser Use = state of the art Web Agent

Browser Use

Skyvern Browser Agent 2.0: How We Reached State of the Art in Evals

Skyvern Blog

Our Agent-E SOTA Results on the WebVoyager Benchmark

10.

[2401.13919] WebVoyager: Building an End-to-End Web Agent with Large Multimodal Models

11.

Our Agent-E SOTA Results on the WebVoyager Benchmark

12.

[2401.13919] WebVoyager: Building an End-to-End Web Agent with Large Multimodal Models

Cem Dilmegani

Analista principale

Segui

Cem è analista principale presso AIMultiple dal 2017. AIMultiple fornisce informazioni a centinaia di migliaia di aziende (secondo SimilarWeb), tra cui il 55% delle aziende Fortune 500, ogni mese. Il lavoro di Cem è stato citato da importanti pubblicazioni globali come Business Insider, Forbes, Washington Post, società globali come Deloitte e HPE, ONG come il World Economic Forum e organizzazioni sovranazionali come la Commissione Europea. È possibile consultare l'elenco di altre aziende e risorse autorevoli che hanno citato AIMultiple. Nel corso della sua carriera, Cem ha lavorato come consulente tecnologico, responsabile acquisti tecnologici e imprenditore nel settore tecnologico. Ha fornito consulenza alle aziende sulle loro decisioni tecnologiche presso McKinsey & Company e Altman Solon per oltre un decennio. Ha anche pubblicato un report di McKinsey sulla digitalizzazione. Ha guidato la strategia tecnologica e gli acquisti di un'azienda di telecomunicazioni, riportando direttamente al CEO. Ha inoltre guidato la crescita commerciale dell'azienda deep tech Hypatos, che ha raggiunto un fatturato annuo ricorrente a 7 cifre e una valutazione a 9 cifre partendo da zero in soli 2 anni. Il lavoro di Cem in Hypatos è stato oggetto di articoli su importanti pubblicazioni tecnologiche come TechCrunch e Business Insider. Cem partecipa regolarmente come relatore a conferenze internazionali di settore. Si è laureato in ingegneria informatica presso l'Università di Bogazici e ha conseguito un MBA presso la Columbia Business School.

Visualizza il profilo completo