Melhores 30+ agentes web de código aberto

Testamos 30+ agentes web de código aberto em quatro categorias: agentes autônomos, controladores de uso de computador, raspadores web e frameworks para desenvolvedores.

Executamos benchmarks idênticos usando a suíte de testes WebVoyager, que cobre 643 tarefas em 15 sites reais, para medir quais ferramentas realmente concluem tarefas web de várias etapas e quais falham quando os sites usam menus suspensos dinâmicos ou layouts com uso intensivo de JavaScript.

Agentes web de código aberto: estrelas no GitHub

Consulte as fontes do benchmark.

Benchmark WebVoyager: Metodologia

Agentes testados

Incluímos agentes que atenderam aos três critérios: código-fonte abertamente disponível, uma pontuação relatada no benchmark WebVoyager da própria avaliação publicada do agente e manutenção ativa (último commit dentro de 6 meses a partir da data da nossa revisão).

• Browser-Use: ponte entre LLM e navegador, baseada em DOM com integração com LangChain
• Skyvern 2.0: baseado em visão, arquitetura planejador-ator-validador, implantação em nuvem
• Agent-E: somente DOM, sem modelos de visão, conjunto de dados completo de 643 tarefas
• WebVoyager: linha de base multimodal original, híbrido de GPT-4V + DOM

Agentes listados no artigo mais amplo, mas sem pontuações WebVoyager publicadas (Auto-GPT, AgenticSeek, OpenManus, LaVague e outros), foram avaliados qualitativamente quanto à arquitetura, modelo de implantação e capacidades declaradas. Eles não estão incluídos na comparação quantitativa.

Condições de teste

Cada equipe executou sua própria avaliação; não repetimos os testes de forma independente. As diferenças de pontuação refletem parcialmente condições de teste diferentes:

Browser-Use testou 586 de 643 tarefas, removendo 55 com respostas desatualizadas (produtos da Apple descontinuados, datas de voo vencidas, receitas excluídas). Os testes foram executados em máquinas locais com endereços IP seguros. A integração com o LangChain e prompts de sistema reescritos foram aplicados antes dos testes.

Skyvern 2.0 testou 635 de 643 tarefas, removendo 8 com respostas inválidas, e atualizou datas de 2023/2024 em tarefas de viagem para 2025. Os testes foram executados no Skyvern Cloud usando navegadores em nuvem assíncronos — não em máquinas locais. As condições de nuvem expõem os agentes à detecção de bots e a desafios de CAPTCHA que os testes locais evitam. As gravações completas dos testes estão disponíveis em eval.skyvern.com.

Agent-E testou o conjunto de dados completo de 643 tarefas sem modificações. Usou apenas análise de DOM, sem modelos de visão. A linha de base de comparação foi o agente WebVoyager original, não o GPT-4o.

WebVoyager (original) testou o conjunto de dados completo usando capturas de tela do GPT-4V mais DOM. Serve como a linha de base multimodal que o Agent-E superou usando apenas texto.

Pontuação

A conclusão da tarefa é binária: o agente conclui a tarefa completa de várias etapas ou não. Não é concedido crédito parcial. Uma tarefa é marcada como concluída somente quando o resultado final esperado (um preço, uma confirmação de reserva, um resultado de pesquisa) corresponde à verdade fundamental.

A taxa de aprovação é relatada como: tasks completed / tasks attempted × 100

Quando as equipes removeram tarefas do conjunto de dados, o denominador reflete o conjunto reduzido, não o 643 original.

O que essas pontuações significam na prática

As tarefas do benchmark WebVoyager são executadas em sites ao vivo em condições cooperativas, sem proteção agressiva contra bots, sem Cloudflare, sem DataDome. O Browser-Use e o Agent-E foram executados em máquinas locais com IPs equivalentes a residenciais. O Skyvern usou deliberadamente infraestrutura em nuvem para se aproximar da realidade de produção. As taxas de sucesso no mundo real em sites de produção protegidos serão menores do que as pontuações do benchmark para todos os agentes.

O benchmark não mede velocidade, custo por tarefa ou resiliência a medidas antibot. Uma pontuação de 89.1% no WebVoyager não significa que o agente concluirá 89% das tarefas em um site de produção com proteção do Cloudflare.

Limitações

Denominadores não comparáveis: O Browser-Use testou 586 tarefas, o Skyvern testou 635, o Agent-E testou 643. Uma pontuação maior em um conjunto menor não é diretamente comparável a uma pontuação menor no conjunto completo.

Resultados autorrelatados: Todas as pontuações vêm da própria avaliação publicada de cada equipe. Não executamos um reteste controlado com condições idênticas em todos os agentes.

Deriva do benchmark: O conjunto de tarefas do WebVoyager foi publicado em 2023. Várias tarefas fazem referência a produtos, preços e datas que não existem mais. As equipes lidaram com isso de maneiras diferentes; algumas os removeram, enquanto outras atualizaram as datas, introduzindo inconsistência.

Lacuna local vs. nuvem: O Browser-Use e o Agent-E foram testados localmente (IPs seguros, sem detecção de bots). O Skyvern foi testado na nuvem (exposição real à proteção contra bots). A comparação direta de pontuações subestima a lacuna de produção para agentes testados localmente.

Sem dados de custo ou latência: O benchmark mede apenas a conclusão da tarefa. O custo por tarefa e o tempo médio de conclusão não são capturados nas pontuações do WebVoyager, embora sejam muito importantes para decisões de implantação em produção.

Retrato estático: As pontuações refletem as versões dos agentes e os estados dos sites no momento do teste. Ambos mudam com frequência; um redesenho do site ou uma atualização do agente pode alterar significativamente os resultados.

Atualizações principais recentes

Crise de segurança: distribuição de malware OpenClaw

Mais de 400 “skills” maliciosos foram enviados ao ClawHub (o marketplace do OpenClaw) entre o final de janeiro e o início de fevereiro, distribuindo malware que rouba credenciais. A IBM, a Anthropic e a Palo Alto Networks emitiram alertas. Pesquisadores de segurança agora recomendam usar apenas ambientes isolados e fontes verificadas.

Crescimento viral do OpenClaw

OpenClaw (anteriormente Moltbot/Clawdbot) alcançou 147.000 estrelas no GitHub, o projeto de IA de código aberto de crescimento mais rápido. Executa localmente, integra-se a plataformas de mensagens e usa o Model Context Protocol para mais de 100 serviços. A Cloudflare lançou o middleware Moltworker para apoiar sua infraestrutura.¹

Moltbook: rede social de agentes de IA

Uma rede social exclusivamente de IA foi lançada no final de janeiro e alcançou 1.5 milhão de agentes em poucos dias. Os agentes publicam e interagem de forma autônoma enquanto os humanos observam.²

Padronização do Model Context Protocol

O MCP tornou-se o protocolo dominante para integração entre agentes e ferramentas, com mais de 100 servidores disponíveis. O gerenciamento e a governança agora são essenciais para implantações empresariais.

NVIDIA Modelos Nemotron 3

A NVIDIA lançou a família Nemotron 3 (Nano, Super, Ultra) otimizada para IA agêntica, oferecendo 4x maior throughput. Inclui o NeMo Gym e o Agentic Safety Dataset no GitHub e no Hugging Face.³

Agentes web autônomos e copilotos

Ferramentas que navegam em sites e concluem tarefas de várias etapas com orientação mínima.

Agentes autônomos de uso geral

OpenClaw (anteriormente Moltbot/Clawdbot): execute isso na sua máquina local para automatizar tarefas em aplicativos de mensagens, calendários e e-mail. Diga a ele “agende uma reunião com a equipe para a próxima terça-feira e envie convites de calendário” e ele cuidará de todo o fluxo de trabalho. Usa o Model Context Protocol para se conectar a mais de 100 serviços sem chamadas de API na nuvem.

Quem usa: adotantes iniciais dispostos a gerenciar riscos de segurança para automação local. Usuários que desejam interfaces conversacionais para fluxos de trabalho no desktop.

Limitações:

• Grandes vulnerabilidades de segurança no ecossistema de skills (400+ pacotes maliciosos em uma semana)
• Ainda em rápido desenvolvimento, com mudanças disruptivas frequentes
• A documentação é inconsistente devido a vários ciclos de rebranding
• Uso intensivo de recursos (exige computação local significativa)

AgenticSeek: substitua serviços comerciais baseados em nuvem por uma alternativa local que não envia dados de navegação a servidores externos. Instale-o na sua máquina, descreva o que você precisa (“extraia todos os preços dos produtos desta página”) e ele cuida dos cliques e da coleta de dados. Baseado em Python, é executado totalmente de forma auto-hospedada.

Quem usa: usuários preocupados com a privacidade que não compartilham dados de navegação. Organizações com requisitos de residência de dados.

Limitações:

• Limitado à concorrência em uma única máquina (5-10 instâncias de navegador)
• Sem rotação de proxy integrada ou recursos antideteção
• Exige configuração e manutenção do ambiente Python
• Mais lento do que soluções em nuvem para tarefas em grande escala

Auto-GPT: lida com a navegação na web juntamente com operações de arquivos e execução de código. Implante por meio da interface do navegador ou da linha de comando. Quando você atribui uma tarefa como “pesquise os preços dos concorrentes e salve em uma planilha”, ele determina quais sites visitar, quais dados recuperar e como organizar o resultado.

Quem usa: desenvolvedores que criam fluxos de trabalho de automação personalizados. Usuários familiarizados com ferramentas de linha de comando.

Limitações:

• Não possui recursos específicos para web, como rotação de proxy e gerenciamento de cookies
• Sem prevenção integrada contra detecção de bots (sites com Cloudflare o bloquearão)
• Uso intensivo de recursos (inicia várias instâncias do navegador)
• Exige engenharia de prompt manual para tarefas complexas

AgentGPT: configure agentes diretamente no seu navegador sem escrever código. Desenvolva agentes especializados como “ResearchGPT” ou “DataGPT” que decompõem objetivos em etapas. A plataforma cuida da orquestração. Você descreve o que deseja realizar. Pode ser auto-hospedado se você não quiser usar a versão hospedada deles.

Quem usa: usuários não técnicos que precisam de automação simples. Equipes que desejam configurações compartilhadas de agentes.

Limitações:

• Personalização limitada em comparação com soluções codificadas
• Gargalos de desempenho em tarefas complexas de várias etapas
• A versão hospedada envia dados para os servidores deles (é necessária auto-hospedagem para privacidade)
• Sem recursos avançados como impressão digital do navegador ou tratamento de CAPTCHA

SuperAGI: framework para criar agentes autônomos personalizados com modelos para fluxos de trabalho comuns. Estenda-o com sua própria lógica. Lida com a automação do navegador como um componente de fluxos de trabalho maiores. Implante localmente ou envie para a infraestrutura em nuvem.

Quem usa: equipes de desenvolvimento que criam sistemas de agentes em produção. Organizações que precisam de frameworks de automação personalizáveis.

Limitações:

• Curva de aprendizado íngreme (exige compreensão da arquitetura de agentes)
• A biblioteca de modelos ainda é limitada (exige desenvolvimento personalizado para a maioria dos casos de uso)
• Lacunas na documentação de recursos avançados
• O desenvolvimento ativo significa mudanças disruptivas entre versões

Nanobrowser: abordagem de extensão do Chrome: instale-a e, em seguida, controle agentes na barra de ferramentas do navegador. Bom para tarefas rápidas como “extrair todos os e-mails desta página” ou “preencher este formulário com dados da minha planilha”.

Quem usa: usuários casuais que precisam de automação ocasional do navegador. Usuários que não configuram servidores ou ambientes Python.

Limitações:

• Não escala além de algumas abas (sem processamento simultâneo)
• Sem integração com pipelines de automação de backend
• Limitado ao navegador Chrome
• As permissões da extensão levantam preocupações de segurança

OpenManus: alternativa de código aberto a serviços comerciais de automação de navegador. Executa tarefas de navegador que levam horas ou dias, como monitorar sites em busca de mudanças de preço ou aguardar produtos voltarem ao estoque. Implante localmente com Python e Docker e mantenha-o em execução em segundo plano.

Atualização recente: a DeepWisdom (empresa controladora do OpenManus) renomeou oficialmente sua principal tecnologia de agente para Atoms em meados de janeiro. O novo framework Atoms muda o foco de ferramentas para desenvolvedores hobbystas para a implantação de agentes de nível comercial, com módulos integrados para pagamentos e autenticação.⁴

Quem usa: usuários que executam tarefas de monitoramento de longa duração. Desenvolvedores que criam sistemas de notificação automatizados.

Limitações:

• Exige configuração de Docker e Python
• Sem suporte integrado a proxy (os sites detectarão solicitações repetidas do mesmo IP)
• Vazamentos de memória em tarefas de longa duração (exigem reinicializações periódicas)
• O rebranding para Atoms pode causar confusão na documentação

Agentes de uso de computador

Automação de desktop que controla navegadores como uma parte de fluxos de trabalho de computador mais amplos.

OpenInterpreter: agente baseado em terminal que executa scripts em Python, JavaScript e shell com base no que você digita. Peça a ele para “raspar este site e analisar os dados no pandas”, e ele gera o código de raspagem, executa-o e, em seguida, realiza a análise. A automação do navegador integra-se ao acesso ao sistema de arquivos e ao processamento de dados.

Quem usa: desenvolvedores familiarizados com interfaces de terminal. Cientistas de dados que combinam raspagem web com fluxos de trabalho de análise.

Quando faz sentido: você precisa de automação que abrange navegação web e computação local. Você deseja inspecionar e modificar o código gerado antes da execução. Seus fluxos de trabalho envolvem transformação de dados após a coleta.

Limitações:

• Interface somente de terminal (sem GUI)
• Risco de segurança (executa código arbitrário na sua máquina)
• Sem sandbox por padrão (pode acessar qualquer arquivo ou recurso do sistema)
• Curva de aprendizado para não programadores

UI-TARS: framework de pesquisa acadêmica que captura a tela do seu desktop, analisa as capturas com modelos de visão e, em seguida, gera comandos para controlar elementos da GUI. Criado para testar novas abordagens de automação de desktop, não para uso em produção.

Quem usa: pesquisadores acadêmicos que exploram automação baseada em visão. Laboratórios que testam sistemas de controle multimodais.

Quando faz sentido: você está conduzindo pesquisas sobre automação baseada em visão. Você precisa experimentar abordagens de análise de capturas de tela. Você está escrevendo artigos acadêmicos sobre automação de GUI.

Limitações:

• Não está pronto para produção (protótipo de pesquisa)
• Alta latência (o processamento do modelo de visão leva de 2 a 3 segundos por ação)
• Caro (o GPT-4V cobra por token de imagem)
• Sem recuperação de erros ou lógica de nova tentativa

AutoBrowser MCP: servidor MCP que permite ao Claude controlar navegadores Chrome por meio do Model Context Protocol, oferecendo recursos de interação com o navegador baseados em visão. O Claude vê a tela do seu navegador, decide o que clicar e executa a ação. Funciona como uma extensão do Chrome e um servidor local.

Quem usa: usuários do Claude que desejam controle do navegador. Desenvolvedores que criam sistemas de automação baseados em MCP.

Quando faz sentido: você já usa o Claude e deseja adicionar automação de navegador. Você prefere controle conversacional a APIs programáticas. A interação baseada em visão é necessária para layouts complexos.

Limitações:

• Exige acesso à API do Claude (não disponível em todas as regiões)
• Os custos do modelo de visão aumentam rapidamente
• A latência é maior do que a das abordagens baseadas em DOM
• Limitado ao navegador Chrome

Open Operator: a resposta da equipe do Browser-Use ao Operator da OpenAI. Fornece aos modelos de linguagem acesso direto ao Chrome por meio de uma visão simplificada do DOM. Execute-o em modo totalmente autônomo ou ative o modo de aprovação, no qual você confirma cada ação antes da execução. Instale via Python ou extensão do navegador.

Atualização recente: o Browser-Use anunciou integração estratégica com a Parallel IA no final de janeiro, permitindo pesquisas web multithread. A atualização permite que os agentes executem até 20 etapas de navegador por minuto, igualando ou superando o desempenho humano em tarefas de pesquisa complexas.⁵

Quem usa: equipes que já usam o framework Browser-Use. Organizações que desejam fluxos de trabalho de aprovação para ações dos agentes.

Quando faz sentido: você precisa de navegação autônoma com supervisão humana. Seus fluxos de trabalho exigem velocidade (execução multithread). Você está criando algo no ecossistema Browser-Use.

Limitações:

• Exige a instalação do framework Browser-Use
• O modo de aprovação desacelera significativamente a automação
• Recursos antideteção limitados (sites com proteção contra bots o bloquearão)
• Somente Python (sem suporte a JavaScript/TypeScript)

Cowork (Anthropic): ferramenta de desktop da Anthropic que dá ao Claude acesso direto a sistemas de arquivos e ambientes de navegador em um aplicativo unificado. Expande a API Computer Use para um produto voltado ao consumidor. Disponível para download; não está mais limitado à prévia de pesquisa. Incluído aqui, embora proprietário, para comparação com alternativas de código aberto.

Agentes de navegação web

Concentram-se especificamente em fluxos de trabalho de sites de várias etapas.

Agent-E: lê o HTML da página para encontrar elementos clicáveis e caminhos de navegação. Usa “DOM Distillation” para reduzir as páginas aos elementos interativos essenciais, além de “Skill Harvesting” para lembrar padrões bem-sucedidos. Pontuou 73.1% no benchmark WebVoyager usando apenas texto, sem modelos de visão.

Quem usa: organizações que priorizam custo em vez de precisão. Desenvolvedores que criam sistemas de automação baseados em DOM.

Quando faz sentido: você precisa de automação rápida e barata em sites estáticos. Seus sites-alvo não usam formulários dinâmicos com uso intensivo de JavaScript. Você pode tolerar uma taxa de sucesso de 73% em troca de custos menores.

Limitações:

• Sem recuperação integrada de erros quando a estrutura do DOM muda inesperadamente
• Encontra dificuldades com formulários dinâmicos em que menus suspensos revelam novas opções com base nas seleções
• O desempenho cai significativamente em sites com uso intensivo de JavaScript
• Resultados ruins em sites de reservas

AutoWebGLM: simplifica o HTML antes de enviá-lo aos modelos de linguagem. Páginas complexas são reduzidas aos principais elementos de navegação e campos de formulário. Usa aprendizado por reforço para melhorar as decisões de navegação ao longo do tempo. Executa de forma auto-hospedada via Python.

Quem usa: equipes de pesquisa que exploram automação web baseada em RL. Organizações com recursos computacionais para treinamento de modelos.

Quando faz sentido: você pode investir no treinamento de modelos personalizados para seus sites específicos. Seus fluxos de trabalho são repetitivos o suficiente para se beneficiarem da otimização por RL. Você tem infraestrutura de ML em Python.

Limitações:

• Documentação e suporte da comunidade limitados
• Exige uma fase de treinamento antes da implantação (não é plug-and-play)
• Precisa de exemplos significativos para aprender políticas eficazes
• Quebra quando os sites redesenham os layouts

Agentes de navegação baseados em visão

Combinam capturas de tela com análise de texto para interpretar o layout visual da página.

Autogen WebSurfer Extension: conecte-se ao framework AutoGen da Microsoft para adicionar navegação web. Requer a instalação do Playwright. O framework permite criar equipes de agentes: um agente pesquisa enquanto outro processa os resultados e um terceiro interage com você.

Quem usa: equipes que já usam o framework AutoGen. Usuários do ecossistema Microsoft.

Quando faz sentido: você está criando sistemas multiagentes no AutoGen. Você precisa de colaboração orquestrada entre agentes. Você quer o suporte e a documentação da Microsoft.

Limitações reais:

• Exemplos e projetos da comunidade limitados
• Exige a adoção de todo o framework AutoGen (não pode ser usado de forma independente)
• A sobrecarga do framework não compensa para tarefas de automação simples
• Curva de aprendizado íngreme para orquestração multiagente

Skyvern: sistema de três fases: o planejador divide as tarefas em etapas, o ator as executa e o validador confirma o sucesso. Tira capturas de tela para identificar visualmente botões e formulários. Essa abordagem atende a sites com uso intensivo de JavaScript nos quais o DOM muda após o carregamento da página. Pontuou 85.85% no WebVoyager. Implante de forma auto-hospedada ou use a nuvem gerenciada deles.

WebVoyager: O agente de benchmark original do artigo de 2024 que introduziu a suíte de testes WebVoyager. Usa capturas de tela do GPT-4V juntamente com a análise de DOM em uma abordagem híbrida. Pontuou 57.1% no conjunto de dados completo de 643 tarefas, a linha de base em relação à qual os agentes subsequentes se medem. Não é mantido ativamente como ferramenta de produção; seu valor está como referência de pesquisa e ponto de origem do benchmark.

Quem usa: organizações que precisam de alta precisão em aplicações web modernas. Equipes dispostas a pagar os custos do modelo de visão para obter melhores resultados.

Quando faz sentido: seus sites-alvo usam JavaScript pesado e layouts dinâmicos. Você precisa de precisão superior a 85%. Você pode arcar com custos 10 a 20x maiores do que a análise de DOM. Seus fluxos de trabalho justificam a infraestrutura em nuvem.

Limitações:

• A versão auto-hospedada exige computação significativa para modelos de visão
• Caro (o GPT-4V cobra por token de imagem; cada visualização de página custa 10 a 20x mais do que a análise de DOM)
• Mais lento do que as abordagens de DOM (2 a 3 segundos por página para processamento visual)
• A implantação em nuvem expõe você à detecção de bots

LiteWebAgent: modelo de linguagem com visão, memória e planejamento que controla o Chrome por meio do Protocolo DevTools. Mantém o contexto entre carregamentos de página, lembrando o que viu em páginas anteriores ao tomar decisões de navegação. Framework em Python, implantação auto-hospedada.
Quem usa: desenvolvedores que criam agentes personalizados baseados em visão. Equipes que precisam de memória entre páginas.
Quando faz sentido: seus fluxos de trabalho exigem lembrar informações em várias páginas. Você precisa de recursos visuais, mas quer mais controle do que o Skyvern. Você pode manter infraestrutura de ML em Python.

Limitações:

• Exige computação significativa para modelos de visão
• A arquitetura de memória aumenta a complexidade e os modos de falha
• Testes limitados em sites de produção com detecção de bots
• Comunidade pequena (menos exemplos e integrações do que as alternativas)

Ferramentas de capacitação de agentes

Frameworks que permitem que LLMs ou usuários enviem comandos aos navegadores sem planejamento autônomo de tarefas.

Linguagem natural para ação na web

LaVague: você diz: “Clique no botão verde”. O LaVague encontra e clica. Lida com a identificação de elementos em diferentes layouts de página. Bom para tarefas repetitivas em que você sabe exatamente o que quer, mas não deseja escrever seletores. Baseado em Python, executa de forma auto-hospedada.

ZeroStep: transforma instruções conversacionais em código de teste do Playwright. Você descreve a ação em linguagem simples e ele gera os comandos do Playwright. Acelera a escrita de testes se você já usa o Playwright. Ferramenta de CLI em Node.js.

Pontes entre LLM e navegador

Conectam modelos de linguagem diretamente aos controles do navegador.

Browser-Use: pega o DOM confuso e o reestrutura para LLMs. Remove elementos irrelevantes, rotula componentes interativos e fornece interfaces de controle. Foi isso que permitiu ao Browser-Use atingir 89.1% no WebVoyager. Disponível como biblioteca Python ou API, implante de forma auto-hospedada ou use a nuvem deles.

Browserless: instâncias remotas do Chrome que você controla via REST ou WebSocket. Inicie centenas de navegadores na nuvem sem gerenciar infraestrutura. Cada navegador é executado em modo headless, sem sobrecarga de GUI. Use a API hospedada deles ou Docker para auto-hospedagem.

ZeroStep (Playwright IA): camada de IA sobre o Playwright. Escreva prompts em vez de seletores. Combina a confiabilidade do Playwright com a flexibilidade do LLM para identificar elementos. Requer a instalação de Node.js e Playwright.

Ferramentas de automação web e raspagem

Ferramentas específicas para tarefas, nas quais você inicia cada trabalho individualmente.

Extensões de automação de navegador

PulsarRPA: extensão do Chrome para extração de dados. Aponte-a para uma tabela ou lista, mostre o que extrair e ela cuida do restante. Inclui backend para agendamento e armazenamento de resultados.

Quem usa: usuários não técnicos que precisam de extração regular de dados. Analistas de negócios que importam dados para planilhas.

Quando faz sentido: você extrai dados dos mesmos sites repetidamente. Você não quer escrever código. Você precisa de agendamento e armazenamento de resultados. Seus sites-alvo não bloqueiam extensões de navegador.

Limitações:

• Somente Chrome (sem Firefox ou Safari)
• Quebra quando os sites-alvo mudam de layout
• Sem suporte a proxy (os sites detectam solicitações repetidas do mesmo IP)
• Limitado à extração de dados tabulares

VimGPT: projeto experimental em que o GPT-4 Vision controla seu navegador por meio dos atalhos de teclado do Vimium. O modelo vê capturas de tela e gera comandos de teclado.

Quem usa: pesquisadores que exploram controle por visão + teclado. Entusiastas do Vim curiosos sobre automação com IA.

Quando faz sentido: você está conduzindo pesquisas sobre automação orientada por teclado. Você busca entender as capacidades dos modelos de visão. Você não está implantando automação em produção.

Limitações:

• Apenas experimental (não é prático para trabalho real)
• Requer a extensão Vimium e um backend em Python
• Alta latência (processamento visual + geração de comandos)
• Caro (custos do GPT-4V por captura de tela)

Raspadores e crawlers de IA

Crawl4AI: um crawler que usa LLMs para decidir o que é importante em uma página. Em vez de pegar tudo, ele identifica o conteúdo relevante com base no seu objetivo. Baseado em Python, integra-se a bibliotecas padrão de raspagem.

Crescimento recente: alcançou o primeiro lugar nos trending do GitHub e ultrapassou 58.000 estrelas. Otimizado para integração com LLM, com saída em markdown e filtragem de conteúdo BM25. Escolha popular para pipelines de RAG que exigem implantação local-first.⁶

Quem usa: desenvolvedores que criam sistemas de RAG. Equipes que precisam de suporte local a LLM sem custos de API.

Quando faz sentido: você está criando aplicações com LLM que precisam de dados da web. Você quer saída formatada em markdown. Você precisa de uma implantação local sem dependências de API na nuvem. Seu caso de uso envolve filtragem de conteúdo e classificação por relevância.

Limitações:

• Exige um LLM em execução local ou via API (não é independente)
• Mais lento do que raspadores tradicionais (processamento de LLM por página)
• Pode perder conteúdo importante se o LLM julgar incorretamente
• Maior uso de recursos do que raspadores baseados em regras

FireCrawl: converte sites em Markdown limpo ou JSON. Lida com navegação, renderização de JavaScript e extração de conteúdo. Saída estruturada para alimentar as janelas de contexto de LLMs. Biblioteca Node.js ou CLI.

Quem usa: desenvolvedores de aplicações com LLM. Equipes que criam sistemas de IA que processam conteúdo da web.

Quando faz sentido: você precisa de extração de texto limpa para processamento com LLM. Seus sites-alvo usam renderização de JavaScript. Você quer saída estruturada (Markdown/JSON). Você está criando aplicações Node.js.

Limitações:

• Somente Node.js (sem bindings para Python)
• Conversão de Markdown opinativa (pode perder a formatação de que você precisa)
• Personalização limitada das regras de extração
• Sem limitação de taxa integrada ou antideteção

GPT-crawler: rastreia sites e gera dados de treinamento para GPTs personalizados. Aponte-o para documentação ou uma base de conhecimento, ele extrai o conteúdo e o formata para fine-tuning. Ferramenta de CLI em Python.

Quem usa: equipes que criam modelos GPT personalizados. Organizações que criam assistentes de IA específicos de domínio.

Quando faz sentido: você está fazendo fine-tuning de modelos de linguagem. Você precisa de dados de treinamento estruturados de fontes da web. Seu conteúdo é documentação ou bases de conhecimento. Você pode executar ferramentas de CLI em Python.

Limitações:

• Formato de saída específico para fine-tuning de GPT (não é de uso geral)
• Sem atualizações incrementais (é necessário rastrear novamente todo o site para atualizações)
• Tratamento limitado de autenticação ou paywalls
• Presume estrutura de conteúdo estática

ScrapeGraphAI: cria grafos de conhecimento a partir do conteúdo rastreado. Bom para sites de documentação em que você precisa entender as relações entre conceitos. Produz resumos estruturados ou grafos de fatos. Implantação em Python.

Quem usa: equipes de gestão do conhecimento. Pesquisadores que criam mapas conceituais a partir do conteúdo da web.

Quando faz sentido: você precisa de extração de relações, não apenas de conteúdo. Seus sites-alvo são de documentação ou conteúdo educacional. Você está criando bases de conhecimento ou mapas conceituais. Você tem infraestrutura Python.

Limitações:

• Configuração complexa (exige banco de dados de grafos e modelos de NLP)
• Mais lento do que raspadores simples (extração de entidades + mapeamento de relações)
• A qualidade depende da estrutura do conteúdo de origem
• Limitado a texto (não lida bem com tabelas ou imagens)

AutoScraper: raspador que aprende por exemplos. Mostre a ele uma página com os dados que você deseja, e ele descobre o padrão e o aplica a páginas semelhantes. Biblioteca Python leve para tarefas simples de extração.

Quem usa: desenvolvedores que precisam de extração rápida sem escrever seletores XPath ou CSS. Equipes que estão prototipando fluxos de trabalho de raspagem.

Quando faz sentido: suas páginas-alvo seguem padrões consistentes. Você não quer escrever seletores manualmente. Você precisa de protótipos rápidos. Seus sites não mudam de layout com frequência.

Limitações:

• Quebra quando os layouts das páginas mudam
• Limitado a estruturas de página semelhantes (não consegue generalizar para sites diferentes)
• Sem suporte à renderização de JavaScript
• Correspondência simples de padrões (sem raciocínio de IA sobre o conteúdo)

LLM Scraper: envie uma página a um LLM e peça: “Extraia todos os preços dos produtos” ou “Encontre as informações de contato”. O modelo interpreta sua intenção e extrai os dados relevantes. Flexível, porém mais caro do que raspadores baseados em regras. Baseado em Python.

Quem usa: equipes que precisam de extração flexível sem escrever regras. Desenvolvedores que criam tarefas de extração pontuais.

Quando faz sentido: as estruturas das páginas variam demais para extração baseada em regras. Você precisa de compreensão semântica (“encontre o nome do autor”). O custo não é sua principal preocupação. Você quer desenvolvimento rápido sem engenharia de seletores.

Limitações:

• Caro (custos de API do LLM por página)
• Mais lento do que raspadores baseados em regras (latência da API)
• Pode extrair dados errados se o prompt não estiver claro
• Sem garantia de extração consistente de campos entre páginas

Ferramentas de busca com IA

BingGPT: interface de chat que combina a pesquisa do Bing com respostas GPT. Faça perguntas e obtenha respostas com fontes. Aplicativo de desktop, não baseado em navegador.

BraveGPT: extensão de navegador com IA que adiciona respostas GPT aos resultados da Brave Search. Veja os resultados de pesquisa tradicionais e um resumo de IA lado a lado. Sobreposto diretamente nas páginas de pesquisa.

Não perca os nossos benchmarks e insights baseados em dados. O botão abre o Google; selecionar a AIMultiple confirma que deseja ver a AIMultiple com mais frequência nos resultados de pesquisa do Google.

Adicionar como fonte preferencial

Frameworks de controle web para desenvolvedores

Bibliotecas de baixo nível para controle programático do navegador.

Frameworks de teste

Playwright: automação entre navegadores da Microsoft. Suporta Chromium, Firefox e WebKit. Esperas integradas, interceptação de rede e emulação de dispositivos móveis. Disponível em JavaScript, Python, .NET e Java. Padrão da indústria para testes web modernos.

Selenium: o framework original de automação de navegador. Funciona em todos os principais navegadores. Ecossistema maior, mas arquitetura mais antiga. Bindings de linguagem para Python, Java, C#, Ruby e mais. Padrão do protocolo WebDriver.

taiko: framework da ThoughtWorks com sintaxe legível. Bom para testes funcionais em que a legibilidade do teste é importante. Somente Node.js.

Bibliotecas de automação

Puppeteer: biblioteca da Google para controlar Chrome/Chromium. API de alto nível para capturas de tela, geração de PDF e raspagem. O ecossistema Node.js funciona com TypeScript. Escolha padrão para automação headless do Chrome.

Browser-Use: listado anteriormente como ponte para LLM, mas também funciona como biblioteca de automação para desenvolvedores. Converte o DOM em um formato estruturado, lida com navegação e interação. Biblioteca Python com opção de API.

O que torna esses agentes web diferentes

O Browser-Use pontuou 89.1% nos testes do WebVoyager, enquanto o Agent-E alcançou 73.1% no conjunto de dados completo. O Browser-Use usa planejamento autônomo de tarefas com integração ao LangChain. O Agent-E analisa a estrutura do DOM diretamente, sem modelos de visão, o que é mais rápido, mas tem dificuldades quando os sites usam menus suspensos dinâmicos ou revelam novas opções com base nas escolhas do usuário.

Níveis de autonomia

Agentes totalmente autônomos, como Browser-Use, Skyvern e Agent-E, aceitam objetivos de alto nível (“encontrar o voo mais barato para Paris”) e planejam suas próprias etapas de navegação. Eles se adaptam a elementos inesperados, como banners de cookies ou captchas. No entanto, cada decisão exige uma chamada de LLM, aumentando o custo e o tempo de resposta.

Ferramentas de orientação passo a passo, como LaVague e ZeroStep, executam comandos específicos (“clique no botão de pesquisa”, “insira texto no campo 2”). Execução mais rápida, pois evitam a sobrecarga de planejamento. Mas, se um site redesenhar o layout, você precisará atualizar as instruções manualmente.

Frameworks de codificação manual, como Playwright e Selenium, exigem código explícito para cada clique, preenchimento de formulário e navegação. Os testes são executados de forma idêntica todas as vezes até que o site altere um ID de elemento ou nome de classe. Então os seletores quebram e você reescreve o código.

Como eles interpretam páginas

Processamento baseado em visão: Skyvern 2.0, WebVoyager e VimGPT capturam telas e as enviam a modelos de visão como o GPT-4V. Eles identificam botões e formulários observando a página renderizada.

O Skyvern 2.0 na verdade usa um ciclo planejador-ator-validador. O planejador divide tarefas complexas em objetivos menores, o ator os executa e o validador confirma se cada objetivo foi bem-sucedido. Essa abordagem de três fases ajudou o Skyvern a saltar de 45% (versão com prompt único) para 68.7% (com planejador) e para 85.85% (com validador verificando se as ações realmente funcionaram).

O processamento visual funciona em sites com uso intensivo de JavaScript, onde o DOM é reconstruído após o carregamento da página. Mas o GPT-4V cobra por token de imagem, tornando cada visualização de página 10 a 20x mais cara do que ler HTML. Os modelos de visão também adicionam de 2 a 3 segundos por página em comparação com a análise de DOM.

Análise de DOM: o Browser-Use e o Agent-E leem o HTML da página diretamente. Eles examinam o código em busca de elementos clicáveis, campos de entrada e links de navegação.

O Agent-E usa “DOM Distillation” para reduzir páginas complexas a elementos essenciais, além de “Skill Harvesting” para lembrar e reutilizar padrões de interação bem-sucedidos. Ele superou o agente multimodal WebVoyager (que usa visão) em sites como Huggingface, Apple e Amazon usando apenas texto. Mas o planejamento do Agent-E perde a sincronia quando os sites revelam dinamicamente novas opções – como menus suspensos que mudam com base nas suas seleções.

A análise de DOM custa menos e é executada mais rapidamente. A precisão de 89.1% do Browser-Use vem em parte da integração com o LangChain e de prompts atualizados, não apenas de evitar chamadas de visão. Mas as abordagens de DOM têm dificuldades quando os sites usam shadow DOM, nomes de classe ofuscados ou manipulação intensa de JavaScript.

Abordagem combinada: o LiteWebAgent e o AutoWebGLM analisam o DOM para obter a estrutura e, em seguida, usam a visão para verificar o que os usuários realmente veem. Mais preciso do que apenas DOM, mais barato do que visão pura, mas você está executando dois sistemas por página.

Especialização

O Auto-GPT e o AgenticSeek lidam com a navegação web juntamente com operações de arquivos e execução de código. Eles não possuem recursos específicos para web, como rotação de proxy e gerenciamento de cookies, o que limita a eficácia em sites com detecção de bots.

O Agent-E e o WebVoyager fazem apenas navegação web. O Agent-E alcançou 73.1% no geral no conjunto de dados completo de 643 tarefas do WebVoyager, superando os 57.1% do agente multimodal WebVoyager. Desempenho forte em sites como Wolfram (95.7%), Google Search (90.7%) e Google Maps (87.8%). Fraco em sites dinâmicos: apenas 27.3% no Booking.com e 35.7% no Google Flights, onde menus suspensos e campos de formulário mudam com base nas seleções do usuário.

O Crawl4AI e o FireCrawl extraem dados e convertem páginas em Markdown ou JSON. Eles não preenchem formulários nem clicam em fluxos de trabalho. Use-os quando você precisar de conteúdo em formato estruturado, não quando precisar concluir tarefas de várias etapas.

O Playwright e o Selenium automatizam testes de navegador. Eles produzem resultados idênticos entre execuções, o que é essencial para testes de regressão. Mas esse determinismo significa que eles não conseguem se adaptar. Quando um site muda, sua suíte de testes quebra.

Opções de implantação

Execução local: o AgenticSeek, o Nanobrowser e o OpenInterpreter são executados na sua máquina. Seus dados de navegação permanecem locais e você evita custos de API. Mas uma estação de trabalho típica lida com 5 a 10 instâncias de navegador simultâneas antes de a CPU/RAM atingir o limite.

APIs em nuvem: o Browserless fornece instâncias remotas do Chrome via REST ou WebSocket. Você pode iniciar centenas de sessões paralelas com rotação automática de proxy. Cada solicitação adiciona 100 a 300ms de latência em comparação com navegadores locais, e seu tráfego passa pelos servidores deles, a menos que você faça auto-hospedagem com Docker.

Implantação flexível: o Skyvern é executado localmente durante o desenvolvimento e depois é implantado na nuvem para produção. O benchmark deles foi executado no Skyvern Cloud (não em máquinas locais) para testar condições do mundo real com navegadores em nuvem assíncronos e endereços IP realistas. A maioria dos benchmarks é executada em IPs locais seguros, com boas impressões digitais de navegador, o que não corresponde à realidade de produção.

Padrões de integração

O WebSurfer do AutoGen exige a adoção de todo o framework multiagente da Microsoft. Você obtém orquestração de agentes e gerenciamento de memória integrados, mas não consegue integrá-lo facilmente a sistemas existentes.

O Browser-Use e o Playwright funcionam como bibliotecas independentes. Adicione-os a qualquer projeto Python ou Node.js. Mas você precisará criar sua própria coordenação de agentes, tratamento de erros e armazenamento de resultados.

O Nanobrowser e o BraveGPT são instalados como extensões do Chrome. Nenhuma configuração de servidor é necessária; adicione ao navegador e comece. Não conseguem escalar além de algumas abas simultâneas e não se integram a pipelines de automação de backend.

Considerações de produção

O Skyvern e o Browserless incluem suporte a proxy residencial, movimentos de mouse aleatórios e rotação de impressão digital do navegador. Esses recursos evitam banimentos de IP e acionamento de CAPTCHA em sites protegidos.

O WebVoyager e o AutoWebGLM concentram-se em algoritmos de navegação. O Agent-E alcançou 73.1% usando análise de DOM somente texto, superando a abordagem multimodal de 57.1% do WebVoyager. Mas sites de produção com Cloudflare ou DataDome bloquearão agentes sem antideteção adequada.

Contexto importante do benchmark: o Browser-Use e o Agent-E executaram testes localmente com endereços IP seguros. O Skyvern executou especificamente os testes em infraestrutura de nuvem para corresponder às condições reais de produção, em que você enfrenta detecção de bots, impressão digital do navegador e desafios de CAPTCHA. Os próprios testes de benchmark são executados em sites cooperativos, sem proteção agressiva contra bots, portanto as taxas de sucesso no mundo real serão menores do que esses números sugerem.

Fontes do benchmark

• Browser-Use⁷
• Skyvern 2.0⁸
• WebVoyager⁹

Cite esta pesquisa

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},
  title  = {{Melhores 30+ agentes web de código aberto}},
  year   = {2026},
  month  = sep,
  howpublished    = {\url{https://aimultiple.com/open-source-web-agents}},
  note   = {AIMultiple. Acessado em 1 Setembro 2026}
}

Registro de alterações

4 atualizações

1. 20263 Fev

   Expandida a seção "Resultados do Benchmark Web Voyager" com sites e tipos de tarefas adicionais.

2. 15 Jan

   Atualizada a seção "Avaliação: Web Voyager Benchmark" com novos resultados de benchmark e detalhes da metodologia.

3. 20259 Dez

   Expandida a seção "O que torna esses agentes da web diferentes".

4. 20 Nov

   Atualizada a introdução, adicionando um benchmark de 8 servidores MCP em tarefas de pesquisa web e automação de navegador.

Links de referência

1.

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

CNBC

2.

OpenClaw, Moltbook and the future of AI agents | IBM

3.

NVIDIA Debuts Nemotron 3 Family of Open Models | NVIDIA Newsroom

4.

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

5.

Browser Use Parallel AI - The Future of Web Search

Browser Use

6.

Best open-source web crawlers in 2026

Firecrawl

7.

Browser Use = state of the art Web Agent

Browser Use

8.

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

Skyvern Blog

9.

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

Cem Dilmegani

Analista Principal

Siga-nos

Cem é o analista principal da AIMultiple desde 2017.

O trabalho de Cem na AIMultiple foi citado por publicações globais líderes, incluindo Business Insider, Forbes, Morning Brew e Washington Post, por empresas globais como Deloitte e HPE, ONGs como o World Economic Forum e organizações supranacionais como a European Commission. [1], [2], [3], [4], [5]

Ao longo de sua carreira, Cem atuou como consultor de tecnologia, comprador de tecnologia e empreendedor de tecnologia. Ele aconselhou empresas sobre suas decisões de tecnologia na McKinsey & Company e na Altman Solon por mais de uma década. Ele também publicou um relatório da McKinsey sobre digitalização.

Ele liderou a estratégia de tecnologia e as compras de uma operadora de telecomunicações, reportando-se ao CEO. Ele também liderou o crescimento comercial da empresa de deep tech Hypatos, que atingiu uma receita recorrente anual de 7 dígitos e uma avaliação de 9 dígitos partindo do zero em 2 anos. O trabalho de Cem na Hypatos foi coberto por publicações de tecnologia líderes como TechCrunch e Business Insider.

Cem fala regularmente em conferências internacionais de tecnologia. Ele se formou como engenheiro da computação pela Bogazici University e possui um MBA pela Columbia Business School.

Ver perfil completo

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.

Nome

Endereço de email

Comentário

0/450

Postar comentário