MCP Benchmark: Principais Servidores MCP para Acesso à Web
Avaliámos 8 MCP servidores em tarefas de pesquisa e extração web, bem como automação de navegador, executando 4 tarefas diferentes 5 vezes em todos os MCPs adequados. Também realizámos um teste de carga envolvendo 250 agentes de IA simultâneos.
Servidores MCP com capacidades de acesso à web
Produto | Taxa de sucesso para pesquisa
e extração web | Taxa de sucesso para
automação de navegador | Velocidade de pesquisa e
extração web (s) | Velocidade de automação
de navegador (s) | Pontuação de escalabilidade |
|---|---|---|---|---|---|
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 |
*As tarefas de pesquisa e extração web são executadas com o servidor MCP padrão do Bright Data, as tarefas de automação de navegador são executadas com o Modo Pro do MCP do Bright Data, uma vez que as ferramentas necessárias para automação de navegador estão disponíveis no Modo Pro.
**A tabela está ordenada com base nas pontuações da categoria de pesquisa e extração web, com os patrocinadores exibidos no topo.
Cada uma das dimensões acima e os seus métodos de medição são descritos abaixo:
Taxa de sucesso dos servidores MCP no acesso à web
*N/A indica que o servidor MCP não possui esta capacidade.
Avaliámos os produtos em duas categorias diferentes: pesquisa e extração web e automação de navegador. Os resultados do nosso benchmark revelam que o Bright Data tem a taxa de sucesso mais alta em tarefas de pesquisa e extração web, completando 100% destas tarefas com sucesso. Nas tarefas de automação de navegador, o Bright Data (Modo Pro) e o Hyperbrowser têm as taxas de sucesso mais altas, com taxas de conclusão de tarefas de 90%.
Entre todas as ferramentas que avaliámos, Apify, Bright Data, Browserbase, e Hyperbrowser são as únicas com ambas as capacidades necessárias para agentes que trabalham na web:
- Pesquisa e extração web inclui pesquisar na web e usar links na página para navegar entre páginas para recolher e processar dados.
- Automação de navegador inclui interagir com elementos JS para preencher formulários, etc.
Para ver as tarefas usadas no benchmark em detalhe, consulte a nossa metodologia.
Velocidade
A nossa avaliação mostra:
- Pesquisa e extração web: O Firecrawl é o MCP mais rápido com o tempo médio de execução do MCP para resultados corretos de 7 segundos e a sua taxa de precisão foi de 83%.
- Automação de navegador: O Bright Data é o mais rápido com 30 segundos de tempo médio de execução do MCP para resultados corretos e a sua taxa de precisão foi de 90%.
Todas as métricas de velocidade são para tarefas concluídas corretamente. Por vezes, os servidores MCP produzem respostas rápidas indicando falha, o que não é comparável ao tempo para concluir uma tarefa.
O nosso conjunto de dados para navegação incluiu a participação de todas as marcas e produziu 80 pontos de dados (ou seja, 8 marcas, 2 tarefas e 5 repetições para cada tarefa). Com base nestes pontos de dados, parece haver uma correlação negativa entre taxas de sucesso e velocidade:
Esta correlação é intuitiva:
- Por vezes, os websites identificam bots como tráfego suspeito e acionam funcionalidades anti-scraping.
- Isto leva alguns servidores MCP a falhar.
- Aqueles que não falham precisam de usar tecnologia de desbloqueio que pode ser mais lenta (ou seja, o intervalo de confiança de 95% inclui 4 segundos para um dos fornecedores no nosso benchmark de desbloqueadores web).
Escalabilidade
Este benchmark mede o desempenho e a fiabilidade dos servidores MCP quando submetidos a um alto volume de tarefas simultâneas e autónomas de agentes de IA. O eixo X, Taxa de Sucesso (%), representa a pontuação do fornecedor no nosso benchmark de pesquisa e extração web com um único agente. O eixo Y, Pontuação de Escalabilidade (%), é derivado do teste de carga de alta concorrência detalhado abaixo, que mede a estabilidade e fiabilidade do servidor sob stress.
Cada agente foi construído sobre a framework LangChain create_react_agent, alimentada pelo modelo de linguagem gpt-4.1-nano-2025-04-14. Os agentes receberam prompts diversos de pesquisa de comércio eletrónico, como "Vai a target.com, encontra uma almofada decorativa com menos de 20 dólares." Uma tarefa foi considerada bem-sucedida apenas se o agente navegou no website, encontrou um produto correspondente e devolveu os dados necessários (url, preço, classificação) num formato JSON estruturado dentro de um limite de tempo de 5 minutos.
O teste revelou as seguintes diferenças-chave tanto na taxa de sucesso como no tempo médio necessário para concluir uma tarefa bem-sucedida:
- No teste de stress com 250 agentes simultâneos, o Bright Data alcançou uma taxa de sucesso de 76.8% com um tempo médio de conclusão competitivo de 48.7 segundos por tarefa bem-sucedida, e emergiu como o líder global.
- O Firecrawl apresentou uma taxa de sucesso de 64.8%, com uma duração média de tarefa de 77.6 segundos.
- O Oxylabs demonstrou o desempenho mais rápido, completando as suas tarefas bem-sucedidas numa média de apenas 31.7 segundos, mantendo uma taxa de sucesso sólida de 54.4%.
- O Nimble registou uma taxa de sucesso de 51.2%, mas as suas tarefas bem-sucedidas demoraram significativamente mais tempo, com uma média de 182.3 segundos para concluir.
- O Tavily completou as tarefas com uma taxa de sucesso de 45%, com o segundo tempo médio de conclusão mais rápido de 41.3 segundos.
- O Apify completou o teste com uma taxa de sucesso mais baixa de 18.8%, embora as suas tarefas bem-sucedidas tenham sido relativamente rápidas, com uma média de 45.9 segundos.
Metodologia para avaliar as capacidades de acesso à web dos servidores MCP
Os MCPs funcionam em vários ambientes de desenvolvimento, incluindo Claude Desktop, VSCode e Cursor. Na nossa avaliação, integrámos os MCPs numa framework de agente LangGraph usando a biblioteca langchain-mcp-adapters. Usámos quatro prompts no benchmark. Prompts de pesquisa e extração web:
- Assistente de compras: “Vai à Amazon e encontra 3 auscultadores com menos de 30 dólares. Fornece os seus nomes, classificações e URLs.”
- SDR de IA para geração de leads: “Vai ao LinkedIn, encontra 2 pessoas que trabalham na AIMultiple, fornece os seus nomes e URLs de perfil.”
Prompts de automação de navegador:
- Assistente de viagens: “Encontra o melhor preço para o Betsy Hotel, South Beach, Miami em 16 de junho de 2025. Fornece o preço e o URL.”
- Preenchedor de formulários: “https://aimultiple.com/ vai para essa página, insere o meu e-mail xxx@aimultiple.com na subscrição da newsletter e clica no botão de subscrever.”
Executámos cada tarefa 5 vezes por agente de IA e avaliámos o desempenho com base em pontos de dados específicos.
Cada tarefa constituiu uma parte igual da pontuação total, com pontos atribuídos pela recuperação bem-sucedida de cada elemento de dados necessário. O nosso código rastreou tanto o tempo de execução das ferramentas MCP como a duração completa do processamento do agente, usando claude-3-5-sonnet-20241022 como o modelo de linguagem grande do agente de IA.
Para ser justo com todos os MCPs, usámos o mesmo agente com os mesmos prompts e os mesmos prompts de sistema. O prompt de sistema está escrito numa linguagem adequada para todos os agentes (sem menções a ferramentas específicas ou instruções detalhadas).
As três primeiras tarefas mediram as capacidades de pesquisa e extração dos MCPs, e a última tarefa mediu as suas capacidades de automação de navegador.
Funcionalidades
Também medimos algumas funcionalidades importantes destes servidores MCP. Para uma explicação das funcionalidades, consulte a secção de metodologia no benchmark de navegadores para agentes.
Suporte a motores de busca
Segmentação
Segurança
A segurança dos dados é crucial para operações empresariais. Verificámos se as empresas destes navegadores para agentes tinham certificação de segurança de dados. Todas as empresas afirmam nos seus websites possuir uma certificação ISO 27001 ou SOC 2.
Benchmark de preços
Como todos os servidores MCP com capacidades de acesso à web usam parâmetros diferentes na precificação, é difícil compará-los.
Portanto, medimos o seu preço para uma única tarefa. É difícil medir o custo apenas para tarefas corretas, pois a maioria dos fornecedores não detalha os custos de forma granular ao longo do tempo. Portanto, para ser justo com todos os produtos, escolhemos a primeira tarefa para medir o sucesso do benchmark de pesquisa e extração web, pois tem a maior taxa de sucesso global. Para o benchmark de automação de navegador, escolhemos a última tarefa para medir o custo da tarefa.
A maioria dos produtos está disponível através de vários planos com limites diferentes, e alguns desses planos também permitem a compra de créditos adicionais. Eles medem os créditos gastos em parâmetros diferentes como por chamada de API, por GB ou por página.
Note-se que estes preços não incluem o custo do LLM e o nosso custo de utilização do Claude Sonnet 3.5 foi superior aos custos de navegação durante estas tarefas. Portanto, o preço do LLM provavelmente será mais importante do que o preço do servidor MCP ao construir agentes para tarefas relacionadas com a web.
*Os preços podem variar dependendo do plano selecionado e descontos empresariais.
Participantes
Incluímos todos os servidores MCP que fornecem capacidades de navegação web baseadas na nuvem:
- Apify
- Bright Data
- Browserbase
- Exa
- Firecrawl
- Hyperbrowser
- Nimble
- Oxylabs
- Tavily
Apify, Bright Data e Oxylabs são patrocinadores da AIMultiple.
Para esta versão do nosso benchmark, excluímos os servidores MCP que funcionavam nos dispositivos dos próprios utilizadores, uma vez que têm capacidades limitadas para responder a um elevado número de pedidos. Se não incluímos algum servidor MCP baseado na nuvem com capacidades de navegação web, por favor informe-nos comentários.
Desafios e mitigações da navegação web com MCP
Quando configurados num cliente MCP como o Claude Desktop, os LLMs podem aproveitar servidores MCP especializados. Os MCPs de acesso à web são particularmente valiosos, pois permitem a extração de dados web, incluindo a capacidade de renderizar páginas com muito JavaScript, contornar restrições comuns de acesso, realizar ações, preencher formulários e aceder a conteúdo georreferenciado de várias localizações globais, mas apresentam alguns desafios.
Embora tenhamos enfrentado desafios semelhantes aos do benchmark de navegadores para agentes, os MCPs apresentam novos desafios para benchmarking. Os LLMs, com a adição de uma função de memória externa, podem ser usados como uma máquina de Turing, e com um servidor MCP que fornece capacidades de navegação, é teoricamente possível completar qualquer tarefa de navegação web ou automação de navegador com servidores MCP que fornecem estas capacidades.
Portanto, escrevendo código personalizado para cada agente, é possível alcançar taxas de sucesso de 100%. No entanto, isso não é um bom proxy para utilizadores de MCP que desejam fornecer instruções simples e alcançar altas taxas de sucesso. Portanto, escolhemos prompts que são tão simples e universais quanto possível e não fazem referência a funcionalidades em servidores MCP específicos.
Janela de contexto
A janela de contexto pode ser excedida em tarefas longas. Os agentes consomem páginas completas à medida que navegam na web e, como resultado, a janela de contexto limitada dos LLMs é mais cedo ou mais tarde excedida. Portanto, para construir agentes que completem tarefas que envolvem muitas páginas, os utilizadores precisam de
- LLMs com janelas de contexto grandes
- Otimizar os tamanhos das páginas passadas para o LLM. Por exemplo, pode ser possível remover programaticamente partes desnecessárias das páginas e fazer o LLM focar apenas nas partes importantes das páginas.
Experiência do programador
Programadores experientes podem usar servidores MCP em clientes MCP que requerem codificação, e podem facilmente executar testes paralelos ou usar a execução de código do MCP. Além disso, clientes MCP sem código como o Claude ou Cursor podem ser usados facilmente sem necessidade de experiência de programação.
Perguntas frequentes
MCP (Model Context Protocol) estabelece uma ponte de comunicação padronizada entre agentes de IA e aplicações, permitindo que aplicações de IA e LLMs interajam com ferramentas e serviços externos.
Adicionar como fonte preferencialCite este benchmark
Escolha o formato adequado ao local onde você vai publicar. Colar a versão com link no seu CMS preserva o backlink.
@misc{dilmegani2026,
author = {Dilmegani, Cem and Alper, Şevval},
title = {{MCP Benchmark: Principais Servidores MCP para Acesso à Web}},
year = {2026},
month = mar,
howpublished = {\url{https://aimultiple.com/browser-mcp}},
note = {AIMultiple. Acessado em 16 Março 2026}
}
Seja o primeiro a comentar
Seu endereço de e-mail não será publicado. Todos os campos são obrigatórios. Os comentários são deixados em seu idioma original.