En İyi 30+ Açık Kaynak Web Ajanı
30+ açık kaynak web ajanını dört kategoride test ettik: otonom ajanlar, bilgisayar kullanımı kontrolcüleri, web kazıyıcılar ve geliştirici framework'leri.
643 görevi 15 gerçek web sitesinde kapsayan WebVoyager test paketini kullanarak aynı benchmark'ları çalıştırdık; hangi araçların çok adımlı web görevlerini gerçekten tamamladığını ve hangilerinin siteler dinamik açılır menüler veya JavaScript ağırlıklı düzenler kullandığında başarısız olduğunu ölçmek için.
Açık Kaynak Web Ajanları: GitHub Yıldızları
WebVoyager Benchmark: Metodoloji
Test edilen ajanlar
Üç kriteri de karşılayan ajanları dahil ettik: açık olarak erişilebilir kaynak kodu, ajanın kendi yayınlanmış değerlendirmesinden WebVoyager benchmark'ında raporlanmış bir skor ve aktif bakım (inceleme tarihimizden itibaren son 6 ay içinde son commit).
- Browser-Use: LLM-tarayıcı köprüsü, DOM tabanlı, LangChain entegrasyonlu
- Skyvern 2.0: Görüntü tabanlı, planlayıcı-aktör-doğrulayıcı mimarisi, bulut dağıtımı
- Agent-E: Yalnızca DOM, görüntü modeli yok, tam 643 görevlik dataset
- WebVoyager: Orijinal multimodal baseline, GPT-4V + DOM hibrit
Daha geniş makalede listelenen ancak yayınlanmış WebVoyager skorları olmayan ajanlar (Otomatik-GPT, AgenticSeek, OpenManus, LaVague ve diğerleri) mimari, dağıtım modeli ve belirtilen yetenekler açısından niteliksel olarak değerlendirildi. Nicel karşılaştırmaya dahil edilmemişlerdir.
Test koşulları
Her ekip kendi değerlendirmesini çalıştırdı; testleri bağımsız olarak yeniden çalıştırmadık. Skor farklılıkları kısmen farklı test koşullarını yansıtmaktadır:
Browser-Use 643 görevden 586'sını test etti, güncel olmayan cevapları olan 55 görevi çıkardı (üretimi durdurulan Apple ürünleri, süresi geçmiş uçuş tarihleri, silinmiş tarifler). Testler güvenli IP adreslerine sahip yerel makinelerde çalıştırıldı. Testten önce LangChain entegrasyonu ve yeniden yazılmış system prompt'lar uygulandı.
Skyvern 2.0 643 görevden 635'ini test etti, 8 geçersiz cevaplı görevi çıkardı ve seyahat görevlerindeki 2023/2024 tarihlerini 2025 olarak güncelledi. Testler Skyvern Cloud'da asenkron bulut tarayıcıları kullanılarak çalıştırıldı — yerel makineler değil. Bulut koşulları ajanları bot tespiti ve CAPTCHA zorluklarına maruz bırakır ki yerel test bunlardan kaçınır. Tam test kayıtları eval.skyvern.com adresinde mevcuttur.
Agent-E tam 643 görevlik dataset'i değişiklik yapmadan test etti. Yalnızca DOM ayrıştırma kullandı, görüntü modeli yok. Karşılaştırma baseline'i orijinal WebVoyager ajanıydı, GPT-4o değil.
WebVoyager (orijinal) tam dataset'i GPT-4V ekran görüntüleri artı DOM kullanarak test etti. Agent-E'nin yalnızca metin kullanarak performansını aştığı multimodal baseline olarak hizmet eder.
Puanlama
Görev tamamlama ikili değerdir: ajan ya tam çok adımlı görevi tamamlar ya da tamamlamaz. Kısmi kredi verilmez. Bir görev yalnızca nihai beklenen çıktı (bir fiyat, bir rezervasyon onayı, bir arama sonucu) ground truth ile eşleştiğinde tamamlanmış olarak işaretlenir.
Geçiş oranı şu şekilde raporlanır: tasks completed / tasks attempted × 100
Ekiplerin dataset'ten görev çıkardığı durumlarda, payda orijinal 643'ü değil, azaltılmış setlerini yansıtır.
Bu skorlar pratikte ne anlama geliyor
WebVoyager benchmark görevleri canlı web sitelerinde işbirliğine dayalı koşullarda çalışır, agresif bot koruması yok, Cloudflare yok, DataDome yok. Browser-Use ve Agent-E, konut eşdeğeri IP'lere sahip yerel makinelerde çalıştı. Skyvern, üretim gerçekliğini yaklaşık olarak yansıtmak için kasıtlı olarak bulut altyapısı kullandı. Korumalı üretim sitelerindeki gerçek dünya başarı oranları, tüm ajanlar için benchmark skorlarından daha düşük olacaktır.
Benchmark hızı, görev başına maliyeti veya anti-bot önlemlerine karşı dayanıklılığı ölçmez. %89.1'lik bir WebVoyager skoru, ajanın Cloudflare korumalı bir üretim sitesindeki görevlerin %89'unu tamamlayacağı anlamına gelmez.
Kısıtlamalar
Karşılaştırılamaz paydalar: Browser-Use 586 görev test etti, Skyvern 635 test etti, Agent-E 643 test etti. Daha küçük bir sette daha yüksek bir skor, tam sette daha düşük bir skorla doğrudan karşılaştırılamaz.
Kendi bildirilen sonuçlar: Tüm skorlar her ekibin kendi yayınlanmış değerlendirmesinden gelmektedir. Tüm ajanlar için aynı koşullarla kontrollü bir yeniden test çalıştırmadık.
Benchmark kayması: WebVoyager görev seti 2023'te yayınlandı. Birçok görev artık mevcut olmayan ürünlere, fiyatlara ve tarihlere atıfta bulunuyor. Ekipler bunları farklı şekilde ele aldı; bazıları çıkardı, diğerleri tarihleri güncelledi, bu da tutarsızlık yarattı.
Yerel vs. bulut farkı: Browser-Use ve Agent-E yerel olarak test etti (güvenli IP'ler, bot tespiti yok). Skyvern bulutta test etti (gerçek dünya bot korumasına maruz kalma). Doğrudan skor karşılaştırması, yerel olarak test edilen ajanlar için üretim farkını olduğundan az gösterir.
Maliyet veya gecikme verisi yok: Benchmark yalnızca görev tamamlamayı ölçer. Görev başına maliyet ve ortalama tamamlama süresi WebVoyager skorlarında yakalanmaz, ancak bunlar üretim dağıtım kararları için önemli ölçüde önemlidir.
Statik anlık görüntü: Skorlar test zamanındaki ajan sürümlerini ve web sitesi durumlarını yansıtır. Her ikisi de sık sık değişir; bir web sitesi yeniden tasarımı veya ajan güncellemesi sonuçları maddi olarak değiştirebilir.
Son Büyük Güncellemeler
Güvenlik Krizi: OpenClaw Kötü Amaçlı Yazılım Dağıtımı
Ocak sonu ile Şubat başı arasında ClawHub'a (OpenClaw'ın pazar yeri) 400'den fazla kötü amaçlı "beceri" yüklendi ve kimlik bilgisi çalan kötü amaçlı yazılım dağıtıldı. IBM, Anthropic ve Palo Alto Networks uyarılar yayınladı. Güvenlik araştırmacıları artık yalnızca izole ortamların ve doğrulanmış kaynakların kullanılmasını öneriyor.
OpenClaw Viral Büyüme
OpenClaw (eski adıyla Moltbot/Clawdbot) 147.000 GitHub yıldızına ulaştı, en hızlı büyüyen açık kaynak AI projesi. Yerel olarak çalışır, mesajlaşma platformlarıyla entegre olur ve 100+ hizmet için Model Context Protocol kullanır. Cloudflare altyapısını desteklemek için Moltworker middleware'ini yayınladı.1
Moltbook: AI Ajan Sosyal Ağı
Yalnızca AI için sosyal ağ Ocak sonunda başlatıldı, günler içinde 1.5 milyon ajana ulaştı. Ajanlar otonom olarak gönderi paylaşıp etkileşime girerken insanlar gözlemliyor.2
Model Context Protocol Standardizasyonu
MCP, ajan-araç entegrasyonu için baskın protokol haline geldi ve 100'den fazla sunucu mevcut. Yönetim ve yönetişim artık kurumsal dağıtımlar için kritik öneme sahip.
NVIDIA Nemotron 3 Modelleri
NVIDIA, ajan AI için optimize edilmiş Nemotron 3 ailesini (Nano, Super, Ultra) piyasaya sürdü ve 4x daha yüksek verim sağladı. GitHub ve Hugging Face'te NeMo Gym ve Agentic Safety Dataset'i içerir.3
Otonom Web Ajanları ve Yardımcı Pilotlar
Web sitelerinde gezinen ve çok adımlı görevleri minimum yönlendirmeyle tamamlayan araçlar.
Genel Amaçlı Otonom Ajanlar
OpenClaw (eski adıyla Moltbot/Clawdbot): Mesajlaşma uygulamaları, takvimler ve e-posta arasında görevleri otomatikleştirmek için bunu yerel makinenizde çalıştırın. "Önümüzdeki Salı için ekiple bir toplantı planla ve takvim davetleri gönder" deyin, tüm iş akışını halleder. 100+ hizmetle bulut API çağrıları olmadan bağlanmak için Model Context Protocol kullanır.
Kimler kullanır: Yerel otomasyon için güvenlik risklerini yönetmeye istekli erken benimseyenler. Masaüstü iş akışları için konuşmaya dayalı arayüzler isteyen kullanıcılar.
Kısıtlamalar:
- Beceri ekosisteminde büyük güvenlik açıkları (bir haftada 400+ kötü amaçlı paket)
- Halen hızlı geliştirme aşamasında, sık sık kırıcı değişiklikler
- Birden fazla yeniden markalaşma döngüsü nedeniyle dokümantasyon tutarsız
- Kaynak yoğun (önemli miktarda yerel hesaplama gerektirir)
AgenticSeek: Tarama verilerini harici sunuculara göndermeyen yerel bir alternatifle bulut tabanlı ticari hizmetleri değiştirin. Makinenize kurun, neye ihtiyacınız olduğunu tanımlayın ("bu sayfadaki tüm ürün fiyatlarını çıkar"), tıklama ve veri toplamayı halleder. Python tabanlı, tamamen self-hosted çalışır.
Kimler kullanır: Tarama verilerini paylaşmayacak gizlilik bilincine sahip kullanıcılar. Veri ikamet gereksinimleri olan organizasyonlar.
Kısıtlamalar:
- Tek makine eşzamanlılığı ile sınırlı (5-10 tarayıcı örneği)
- Yerleşik proxy rotasyonu veya anti-tespit özellikleri yok
- Python ortam kurulumu ve bakımı gerektirir
- Büyük ölçekli görevler için bulut çözümlerinden daha yavaş
Otomatik-GPT: Dosya işlemleri ve kod yürütmenin yanı sıra web taramayı da yönetir. Tarayıcı arayüzü veya komut satırı üzerinden dağıtın. "Rakip fiyatlandırmasını araştır ve bir elektronik tabloya kaydet" gibi bir görev atadığınızda, hangi web sitelerini ziyaret edeceğini, hangi verileri alacağını ve çıktıyı nasıl organize edeceğini belirler.
Kimler kullanır: Özel otomasyon iş akışları oluşturan geliştiriciler. Komut satırı araçlarıyla rahat çalışan kullanıcılar.
Kısıtlamalar:
- Proxy rotasyonu ve cookie yönetimi gibi web'e özgü özelliklerden yoksun
- Yerleşik bot tespiti kaçınma özelliği yok (Cloudflare'li siteler onu engeller)
- Kaynak yoğun (birden fazla tarayıcı örneği başlatır)
- Karmaşık görevler için manuel prompt mühendisliği gerektirir
AgentGPT: Kod yazmadan doğrudan tarayıcınızda ajanları yapılandırın. Hedefleri adımlara ayıran "ResearchGPT" veya "DataGPT" gibi özel ajanlar geliştirin. Platform orkestrasyonu yönetir. Ne başarmak istediğinizi tanımlarsınız. Hosted sürümlerini kullanmak istemiyorsanız self-host edilebilir.
Kimler kullanır: Basit otomasyona ihtiyaç duyan teknik olmayan kullanıcılar. Paylaşılan ajan yapılandırmaları isteyen ekipler.
Kısıtlamalar:
- Kodlanmış çözümlere kıyasla sınırlı özelleştirme
- Karmaşık çok adımlı görevlerde performans darboğazları
- Hosted sürüm verileri kendi sunucularına gönderir (gizlilik için self-hosting gerekir)
- Tarayıcı parmak izi veya CAPTCHA yönetimi gibi gelişmiş özellikler yok
SuperAGI: Yaygın iş akışları için şablonlara sahip özel otonom ajanlar oluşturmak için framework. Kendi mantığınızla genişletin. Daha büyük iş akışlarının bir bileşeni olarak tarayıcı otomasyonunu yönetir. Yerel olarak dağıtın veya bulut altyapısına aktarın.
Kimler kullanır: Üretim ajan sistemleri oluşturan geliştirme ekipleri. Özelleştirilebilir otomasyon framework'lerine ihtiyaç duyan organizasyonlar.
Kısıtlamalar:
- Dik öğrenme eğrisi (ajan mimarisini anlamayı gerektirir)
- Şablon kütüphanesi hala sınırlı (çoğu kullanım durumu için özel geliştirme gerektirir)
- Gelişmiş özellikler için dokümantasyon boşlukları
- Aktif geliştirme, sürümler arasında kırıcı değişiklikler anlamına gelir
Nanobrowser: Chrome uzantısı yaklaşımı, kurun, ardından ajanları tarayıcı araç çubuğunuzdan kontrol edin. "Bu sayfadaki tüm e-postaları çıkar" veya "bu formu elektronik tablomdan gelen verilerle doldur" gibi hızlı görevler için iyidir.
Kimler kullanır: Ara sıra tarayıcı otomasyonuna ihtiyaç duyan sıradan kullanıcılar. Sunucu veya Python ortamı kurmayacak kullanıcılar.
Kısıtlamalar:
- Birkaç sekmeden fazlasına ölçeklenemez (eşzamanlı işleme yok)
- Arka uç otomasyon pipeline'larıyla entegrasyon yok
- Chrome tarayıcısı ile sınırlı
- Uzantı izinleri güvenlik endişeleri yaratır
OpenManus: Ticari tarayıcı otomasyon hizmetlerine açık kaynak alternatif. Fiyat değişiklikleri için siteleri izlemek veya ürünlerin tekrar stoklara girmesini beklemek gibi saatler veya günler süren tarayıcı görevlerini çalıştırır. Python ve Docker ile yerel olarak dağıtın, arka planda çalışır durumda tutun.
Son güncelleme: DeepWisdom (OpenManus ana şirketi) Ocak ortasında çekirdek ajan teknolojisini resmi olarak Atoms olarak yeniden markalaştırdı. Yeni Atoms framework'ü, odağı geliştirici hobi araçlarından, ödemeler ve kimlik doğrulama için yerleşik modüllere sahip ticari sınıf ajan dağıtımına kaydırıyor.4
Kimler kullanır: Uzun süreli izleme görevleri çalıştıran kullanıcılar. Otomatik bildirim sistemleri oluşturan geliştiriciler.
Kısıtlamalar:
- Docker ve Python kurulumu gerektirir
- Yerleşik proxy desteği yok (siteler aynı IP'den tekrarlanan istekleri tespit eder)
- Uzun süreli görevlerde bellek sızıntıları (periyodik yeniden başlatma gerektirir)
- Atoms'a yeniden markalaşma dokümantasyon karışıklığına neden olabilir
Bilgisayar Kullanım Ajanları
Tarayıcıları daha geniş bilgisayar iş akışlarının bir parçası olarak kontrol eden masaüstü otomasyonu.
OpenInterpreter: Yazdıklarınıza dayanarak Python, JavaScript ve shell betikleri çalıştıran terminal tabanlı ajan. "Bu siteyi kazı ve verileri pandas'ta analiz et" deyin, kazıma kodunu oluşturur, çalıştırır ve ardından analizi gerçekleştirir. Tarayıcı otomasyonu, dosya sistemi erişimi ve veri işleme ile entegre olur.
Kimler kullanır: Terminal arayüzleriyle rahat çalışan geliştiriciler. Web kazımayı analiz iş akışlarıyla birleştiren veri bilimciler.
Ne zaman anlamlı olur: Web tarama ve yerel hesaplamayı kapsayan otomasyona ihtiyacınız var. Yürütmeden önce oluşturulan kodu incelemek ve değiştirmek istiyorsunuz. İş akışlarınız toplama sonrası veri dönüşümünü içeriyor.
Kısıtlamalar:
- Yalnızca terminal arayüzü (GUI yok)
- Güvenlik riski (makinenizde rastgele kod çalıştırır)
- Varsayılan olarak sandbox yok (herhangi bir dosyaya veya sistem kaynağına erişebilir)
- Programcı olmayanlar için öğrenme eğrisi
UI-TARS: Masaüstünüzün ekran görüntülerini alan, bunları görüntü modelleriyle analiz eden ve ardından GUI öğelerini kontrol etmek için komutlar üreten akademik araştırma framework'ü. Üretim kullanımı için değil, masaüstü otomasyonuna yeni yaklaşımları test etmek için oluşturulmuştur.
Kimler kullanır: Görüntü tabanlı otomasyonu keşfeden akademik araştırmacılar. Multimodal kontrol sistemlerini test eden laboratuvarlar.
Ne zaman anlamlı olur: Görüntü tabanlı otomasyon üzerine araştırma yapıyorsunuz. Ekran görüntüsü analiz yaklaşımlarını denemeniz gerekiyor. GUI otomasyonu hakkında akademik makaleler yazıyorsunuz.
Kısıtlamalar:
- Üretime hazır değil (araştırma prototipi)
- Yüksek gecikme (görüntü modeli işleme, eylem başına 2-3 saniye sürer)
- Pahalı (GPT-4V görüntü token'ı başına ücretlendirir)
- Hata kurtarma veya yeniden deneme mantığı yok
AutoBrowser MCP: Claude'un Model Context Protocol aracılığıyla Chrome tarayıcılarını kontrol etmesini sağlayan MCP sunucusu, görüntü tabanlı tarayıcı etkileşim yetenekleri sağlar. Claude tarayıcı ekranınızı görür, neye tıklayacağına karar verir ve eylemi yürütür. Chrome uzantısı ve yerel bir sunucu olarak çalışır.
Kimler kullanır: Tarayıcı kontrolü isteyen Claude kullanıcıları. MCP tabanlı otomasyon sistemleri oluşturan geliştiriciler.
Ne zaman anlamlı olur: Zaten Claude kullanıyorsunuz ve tarayıcı otomasyonu eklemek istiyorsunuz. Programatik API'ler yerine konuşmaya dayalı kontrolü tercih ediyorsunuz. Karmaşık düzenler için görüntü tabanlı etkileşim gerekiyor.
Kısıtlamalar:
- Claude API erişimi gerektirir (tüm bölgelerde mevcut değil)
- Görüntü modeli maliyetleri hızla artar
- Gecikme, DOM tabanlı yaklaşımlardan daha yüksektir
- Chrome tarayıcısı ile sınırlı
Open Operator: Browser-Use ekibinin OpenAI'ın Operator'ına cevabı. Dil modellerine basitleştirilmiş DOM görünümü aracılığıyla Chrome'a doğrudan erişim sağlar. Tam otonom modda çalıştırın veya her eylemden önce onayladığınız onay modunu etkinleştirin. Python veya tarayıcı uzantısı ile kurun.
Son güncelleme: Browser-Use, Ocak sonunda Parallel AI ile stratejik entegrasyon duyurdu ve çok iş parçacıklı web aramalarını mümkün kıldı. Güncelleme, ajanların dakikada 20'ye kadar tarayıcı adımı yürütmesini sağlayarak karmaşık araştırma görevlerinde insan performansına eşit veya onu aşan sonuçlar elde etti.5
Kimler kullanır: Halihazırda Browser-Use framework'ünü kullanan ekipler. Ajan eylemleri için onay iş akışları isteyen organizasyonlar.
Ne zaman anlamlı olur: İnsan gözetimiyle otonom taramaya ihtiyacınız var. İş akışlarınız hız gerektiriyor (çok iş parçacıklı yürütme). Browser-Use ekosistemi üzerine inşa ediyorsunuz.
Kısıtlamalar:
- Browser-Use framework kurulumu gerektirir
- Onay modu otomasyonu önemli ölçüde yavaşlatır
- Sınırlı anti-tespit özellikleri (bot korumalı siteler onu engeller)
- Yalnızca Python (JavaScript/TypeScript desteği yok)
Cowork (Anthropic): Anthropic'in, Claude'a birleşik bir uygulama içinde dosya sistemlerine ve tarayıcı ortamlarına doğrudan erişim veren masaüstü aracı. Computer Use API'sini tüketiciye yönelik bir ürüne genişletir. İndirilebilir; artık araştırma önizlemesiyle sınırlı değil. Açık kaynak alternatiflerle karşılaştırma için buraya dahil edilmiştir, özel mülktür.
Web Navigasyon Ajanları
Özellikle çok adımlı web sitesi iş akışlarına odaklanır.
Agent-E: Tıklanabilir öğeleri ve navigasyon yollarını bulmak için sayfa HTML'sini okur. Sayfaları temel etkileşimli öğelere indirgemek için "DOM Distillation" ve başarılı kalıpları hatırlamak için "Skill Harvesting" kullanır. WebVoyager benchmark'ında saf metin kullanarak, görüntü modeli olmadan %73.1 skor elde etti.
Kimler kullanır: Doğruluktan çok maliyete öncelik veren organizasyonlar. DOM tabanlı otomasyon sistemleri oluşturan geliştiriciler.
Ne zaman anlamlı olur: Statik web sitelerinde hızlı, ucuz otomasyona ihtiyacınız var. Hedef siteleriniz JavaScript ağırlıklı dinamik formlar kullanmıyor. Daha düşük maliyetler karşılığında %73 başarı oranını tolere edebilirsiniz.
Kısıtlamalar:
- DOM yapısı beklenmedik şekilde değiştiğinde yerleşik hata kurtarma yok
- Açılır menülerin seçimlere bağlı olarak yeni seçenekler gösterdiği dinamik formlarda zorlanır
- JavaScript ağırlıklı sitelerde performans önemli ölçüde düşer
- Rezervasyon sitelerinde kötü sonuçlar
AutoWebGLM: Dil modellerine beslemeden önce HTML'yi basitleştirir. Karmaşık sayfalar temel navigasyon öğelerine ve form alanlarına indirgenir. Zaman içinde navigasyon kararlarını iyileştirmek için pekiştirmeli öğrenme kullanır. Python ile self-hosted çalışır.
Kimler kullanır: RL tabanlı web otomasyonunu keşfeden araştırma ekipleri. Model eğitimi için hesaplama kaynaklarına sahip organizasyonlar.
Ne zaman anlamlı olur: Belirli web siteleriniz için özel modeller eğitmeye yatırım yapabilirsiniz. İş akışlarınız RL optimizasyonundan faydalanacak kadar tekrarlayıcı. Python ML altyapınız var.
Kısıtlamalar:
- Sınırlı dokümantasyon ve topluluk desteği
- Dağıtımdan önce eğitim aşaması gerektirir (tak-çalıştır değil)
- Etkili politikalar öğrenmek için önemli miktarda örnek gerektirir
- Web siteleri düzenlerini yeniden tasarladığında bozulur
Görüntü Tabanlı Navigasyon Ajanları
Görsel sayfa düzenini yorumlamak için ekran görüntülerini metin analiziyle birleştirir.
Autogen WebSurfer Uzantısı: Web tarama eklemek için Microsoft'ın AutoGen framework'üne takın. Playwright kurulumu gerektirir. Framework, ajan ekipleri oluşturmanıza olanak tanır; bir ajan arama yaparken diğeri sonuçları işler ve üçüncüsü sizinle etkileşime girer.
Kimler kullanır: Halihazırda AutoGen framework'ünü kullanan ekipler. Microsoft ekosistemi kullanıcıları.
Ne zaman anlamlı olur: AutoGen içinde çok ajanlı sistemler oluşturuyorsunuz. Orkestre edilmiş ajan işbirliğine ihtiyacınız var. Microsoft'ın desteğini ve dokümantasyonunu istiyorsunuz.
Gerçek kısıtlamalar:
- Sınırlı örnekler ve topluluk projeleri
- Tüm AutoGen framework'ünü benimsemeyi gerektirir (bağımsız kullanılamaz)
- Framework ek yükü, basit otomasyon görevleri için buna değmez
- Çok ajanlı orkestrasyon için dik öğrenme eğrisi
Skyvern: Üç aşamalı sistem: planlayıcı görevleri adımlara böler, aktör bunları yürütür, doğrulayıcı başarıyı onaylar. Düğmeleri ve formları görsel olarak tanımlamak için ekran görüntüleri alır. Bu yaklaşım, DOM'un sayfa yüklendikten sonra değiştiği JavaScript ağırlıklı siteleri ele alır. WebVoyager'da %85.85 skor elde etti. Self-hosted dağıtın veya yönetilen bulutlarını kullanın.
WebVoyager: WebVoyager test paketini tanıtan 2024 makalesinden orijinal benchmark ajanı. Hibrit bir yaklaşımla DOM ayrıştırmanın yanında GPT-4V ekran görüntülerini kullanır. Tam 643 görevlik dataset'te %57.1 skor elde etti, sonraki ajanların kendilerini ölçtüğü baseline. Bir üretim aracı olarak aktif olarak bakımı yapılmamaktadır; değeri bir araştırma referansı ve benchmark başlangıç noktası olmasıdır.
Kimler kullanır: Modern web uygulamalarında yüksek doğruluk ihtiyacı olan organizasyonlar. Daha iyi sonuçlar için görüntü modeli maliyetlerini ödemeye istekli ekipler.
Ne zaman anlamlı olur: Hedef siteleriniz yoğun JavaScript ve dinamik düzenler kullanıyor. %85+ doğruluğa ihtiyacınız var. DOM ayrıştırmadan 10-20x daha yüksek maliyetleri karşılayabilirsiniz. İş akışlarınız bulut altyapısını haklı çıkarıyor.
Kısıtlamalar:
- Self-hosted sürüm, görüntü modelleri için önemli miktarda hesaplama gerektirir
- Pahalı (GPT-4V görüntü token'ı başına ücretlendirir; her sayfa görünümü DOM ayrıştırmadan 10-20x daha maliyetlidir)
- DOM yaklaşımlarından daha yavaş (görüntü işleme için sayfa başına 2-3 saniye)
- Bulut dağıtımı sizi bot tespitine maruz bırakır
LiteWebAgent: Chrome'u DevTools Protocol aracılığıyla kontrol eden, hafıza ve planlamaya sahip görüntü dil modeli. Sayfa yüklemeleri arasında bağlamı korur, navigasyon kararları verirken önceki sayfalarda gördüklerini hatırlar. Python framework, self-hosted dağıtım.
Kimler kullanır: Özel görüntü tabanlı ajanlar oluşturan geliştiriciler. Sayfalar arası hafızaya ihtiyaç duyan ekipler.
Ne zaman anlamlı olur: İş akışlarınız birden fazla sayfa arasında bilgi hatırlamayı gerektiriyor. Görüntü yeteneklerine ihtiyacınız var ancak Skyvern'den daha fazla kontrol istiyorsunuz. Python ML altyapısını sürdürebilirsiniz.
Kısıtlamalar:
- Görüntü modelleri için önemli miktarda hesaplama gerektirir
- Hafıza mimarisi karmaşıklığı ve hata modlarını artırır
- Bot tespiti olan üretim web sitelerinde sınırlı test
- Küçük topluluk (alternatiflerden daha az örnek ve entegrasyon)
Ajan etkinleştirme araçları
LLM'lerin veya kullanıcıların otonom görev planlaması olmadan tarayıcılara komut göndermesini sağlayan framework'ler.
Doğal Dilden Web Eylemine
LaVague: "Yeşil düğmeye tıkla" dersiniz. LaVague onu bulur ve tıklar. Farklı sayfa düzenleri arasında öğe tanımlamayı yönetir. Tam olarak ne istediğinizi bildiğiniz ancak seçici yazmak istemediğiniz tekrarlayan görevler için iyidir. Python tabanlı, self-hosted çalışır.
ZeroStep: Konuşma dilindeki talimatları Playwright test koduna dönüştürür. Eylemi düz İngilizce ile tanımlarsınız, Playwright komutlarını oluşturur. Zaten Playwright kullanıyorsanız test yazımını hızlandırır. Node.js CLI aracı.
LLM-Tarayıcı Köprüleri
Dil modellerini doğrudan tarayıcı kontrollerine bağlar.
Browser-Use: Dağınık DOM'u alır ve LLM'ler için yeniden yapılandırır. İlgisiz öğeleri çıkarır, etkileşimli bileşenleri etiketler ve kontrol arayüzleri sağlar. Browser-Use'un WebVoyager'da %89.1 elde etmesini sağlayan şey budur. Python kütüphanesi veya API olarak mevcuttur, self-hosted dağıtın veya bulutlarını kullanın.
Browserless: REST veya WebSocket aracılığıyla kontrol ettiğiniz uzak Chrome örnekleri. Altyapı yönetmeden bulutta yüzlerce tarayıcı başlatın. Her tarayıcı headless çalışır, böylece GUI ek yükü yoktur. Hosted API'lerini veya self-hosting için Docker'ı kullanın.
ZeroStep (Playwright AI): Playwright üzerinde AI katmanı. Seçiciler yerine prompt'lar yazın. Playwright'ın güvenilirliğini, öğeleri tanımlamak için LLM esnekliğiyle birleştirir. Node.js ve Playwright kurulumu gerektirir.
Web Otomasyonu ve Kazıma Araç Setleri
Her işi bireysel olarak başlattığınız, göreve özel araçlar.
Tarayıcı Otomasyon Uzantıları
PulsarRPA: Veri çıkarma için Chrome uzantısı. Bir tabloya veya listeye işaret edin, neyi çıkaracağını gösterin, gerisini halleder. Zamanlama ve sonuçları depolama için arka uç içerir.
Kimler kullanır: Düzenli veri çıkarmaya ihtiyaç duyan teknik olmayan kullanıcılar. Verileri elektronik tablolara çeken iş analistleri.
Ne zaman anlamlı olur: Aynı sitelerden tekrar veri çıkarıyorsunuz. Kod yazmak istemiyorsunuz. Zamanlama ve sonuç depolamaya ihtiyacınız var. Hedef siteleriniz tarayıcı uzantılarını engellemiyor.
Kısıtlamalar:
- Yalnızca Chrome (Firefox veya Safari yok)
- Hedef siteler düzen değiştirdiğinde bozulur
- Proxy desteği yok (siteler aynı IP'den tekrarlanan istekleri tespit eder)
- Tablo şeklindeki veri çıkarma ile sınırlı
VimGPT: GPT-4 Vision'ın tarayıcınızı Vimium klavye kısayolları aracılığıyla kontrol ettiği deneysel proje. Model ekran görüntülerini görür ve klavye komutları üretir.
Kimler kullanır: Görüntü + klavye kontrolünü keşfeden araştırmacılar. AI otomasyonu hakkında meraklı Vim meraklıları.
Ne zaman anlamlı olur: Klavye güdümlü otomasyon üzerine araştırma yapıyorsunuz. Görüntü modellerinin yeteneklerini anlamaya çalışıyorsunuz. Üretim otomasyonu dağıtmıyorsunuz.
Kısıtlamalar:
- Yalnızca deneysel (gerçek iş için pratik değil)
- Vimium uzantısı ve Python arka ucu gerektirir
- Yüksek gecikme (görüntü işleme + komut üretimi)
- Pahalı (ekran görüntüsü başına GPT-4V maliyetleri)
AI Kazıyıcılar ve Tarayıcılar
Crawl4AI: Bir sayfada neyin önemli olduğuna karar vermek için LLM'leri kullanan bir tarayıcı. Her şeyi almak yerine, hedefinize dayanarak ilgili içeriği tanımlar. Python tabanlı, standart kazıma kütüphaneleriyle entegre olur.
Son büyüme: GitHub trending'de #1'e ulaştı ve 58.000 yıldızı aştı. Markdown çıktısı ve BM25 içerik filtreleme ile LLM entegrasyonu için optimize edildi. Yerel öncelikli dağıtım gerektiren RAG pipeline'ları için popüler seçim.6
Kimler kullanır: RAG sistemleri oluşturan geliştiriciler. API maliyetleri olmadan yerel LLM desteğine ihtiyaç duyan ekipler.
Ne zaman anlamlı olur: Web verilerine ihtiyaç duyan LLM uygulamaları oluşturuyorsunuz. Markdown formatında çıktı istiyorsunuz. Bulut API bağımlılıkları olmadan yerel dağıtıma ihtiyacınız var. Kullanım durumunuz içerik filtreleme ve alaka sıralaması içeriyor.
Kısıtlamalar:
- Yerel olarak veya API aracılığıyla çalışan LLM gerektirir (bağımsız değil)
- Geleneksel kazıyıcılardan daha yavaş (sayfa başına LLM işleme)
- LLM yanlış değerlendirirse önemli içeriği kaçırabilir
- Kural tabanlı kazıyıcılardan daha yüksek kaynak kullanımı
FireCrawl: Web sitelerini temiz Markdown veya JSON'a dönüştürür. Navigasyonu, JavaScript render'ı ve içerik çıkarmayı yönetir. LLM bağlam pencerelerine beslemek için yapılandırılmış çıktı. Node.js kütüphanesi veya CLI.
Kimler kullanır: LLM uygulama geliştiricileri. Web içeriğini işleyen AI sistemleri oluşturan ekipler.
Ne zaman anlamlı olur: LLM işleme için temiz metin çıkarmaya ihtiyacınız var. Hedef siteleriniz JavaScript render kullanıyor. Yapılandırılmış çıktı istiyorsunuz (Markdown/JSON). Node.js uygulamaları oluşturuyorsunuz.
Kısıtlamalar:
- Yalnızca Node.js (Python bağlamaları yok)
- Görüş bildiren Markdown dönüşümü (ihtiyacınız olan formatlamayı kaybedebilir)
- Sınırlı çıkarma kuralı özelleştirmesi
- Yerleşik hız sınırlama veya anti-tespit yok
GPT-crawler: Siteleri tarar ve özel GPT'ler için eğitim verisi çıktısı verir. Dokümantasyona veya bilgi tabanına yönlendirin, içeriği çıkarır ve fine-tuning için formatlar. Python CLI aracı.
Kimler kullanır: Özel GPT modelleri oluşturan ekipler. Alana özgü AI asistanları oluşturan organizasyonlar.
Ne zaman anlamlı olur: Dil modellerini fine-tune ediyorsunuz. Web kaynaklarından yapılandırılmış eğitim verisine ihtiyacınız var. İçeriğiniz dokümantasyon veya bilgi tabanları. Python CLI araçlarını çalıştırabilirsiniz.
Kısıtlamalar:
- Çıktı formatı GPT fine-tuning'e özgü (genel amaçlı değil)
- Artımlı güncelleme yok (güncellemeler için tüm siteyi yeniden tara)
- Kimlik doğrulama veya ödeme duvarlarının sınırlı yönetimi
- Statik içerik yapısı varsayar
ScrapeGraphAI: Taranan içerikten bilgi grafları oluşturur. Kavramlar arasındaki ilişkileri anlamanız gereken dokümantasyon siteleri için iyidir. Yapılandırılmış özetler veya olgu grafları çıktısı verir. Python dağıtımı.
Kimler kullanır: Bilgi yönetimi ekipleri. Web içeriğinden kavram haritaları oluşturan araştırmacılar.
Ne zaman anlamlı olur: Sadece içerik değil, ilişki çıkarmaya ihtiyacınız var. Hedef siteleriniz dokümantasyon veya eğitim içeriği. Bilgi tabanları veya kavram haritaları oluşturuyorsunuz. Python altyapınız var.
Kısıtlamalar:
- Karmaşık kurulum (graf veritabanı ve NLP modelleri gerektirir)
- Basit kazıyıcılardan daha yavaş (varlık çıkarma + ilişki eşleme)
- Kalite, kaynak içerik yapısına bağlıdır
- Metinle sınırlı (tabloları veya görüntüleri iyi işlemez)
AutoScraper: Örnekle öğrenen kazıyıcı. İstediğiniz verilerle bir sayfa gösterin, kalıbı bulur ve benzer sayfalara uygular. Basit çıkarma görevleri için hafif Python kütüphanesi.
Kimler kullanır: XPath veya CSS seçicileri yazmadan hızlı çıkarmaya ihtiyaç duyan geliştiriciler. Kazıma iş akışlarının prototipini çıkaran ekipler.
Ne zaman anlamlı olur: Hedef sayfalarınız tutarlı kalıplar izliyor. Seçicileri manuel olarak yazmak istemiyorsunuz. Hızlı prototiplere ihtiyacınız var. Siteleriniz sık sık düzen değiştirmiyor.
Kısıtlamalar:
- Sayfa düzenleri değiştiğinde bozulur
- Benzer sayfa yapılarıyla sınırlı (farklı sitelere genelleme yapamaz)
- JavaScript render desteği yok
- Basit kalıp eşleme (içerik hakkında AI muhakemesi yok)
LLM Scraper: Bir LLM'e sayfa gönderin ve "Tüm ürün fiyatlarını çıkar" veya "İletişim bilgilerini bul" diye sorun. Model niyetinizi yorumlar ve ilgili verileri çeker. Esnek ancak kural tabanlı kazıyıcılardan daha pahalıdır. Python tabanlı.
Kimler kullanır: Kurallar yazmadan esnek çıkarmaya ihtiyaç duyan ekipler. Tek seferlik çıkarma görevleri oluşturan geliştiriciler.
Ne zaman anlamlı olur: Sayfa yapıları kural tabanlı çıkarma için çok fazla değişiyor. Anlamsal anlayışa ihtiyacınız var ("yazarın adını bul"). Maliyet birincil endişeniz değil. Seçici mühendisliği olmadan hızlı geliştirme istiyorsunuz.
Kısıtlamalar:
- Pahalı (sayfa başına LLM API maliyetleri)
- Kural tabanlı kazıyıcılardan daha yavaş (API gecikmesi)
- Prompt net değilse yanlış veri çıkarabilir
- Sayfalar arasında tutarlı alan çıkarma garantisi yok
AI Arama Araçları
BingGPT: Bing aramasını GPT yanıtlarıyla birleştiren sohbet arayüzü. Sorular sorun, kaynaklı cevaplar alın. Masaüstü uygulaması, tarayıcı tabanlı değil.
BraveGPT: AI tarayıcı uzantısı, Brave Arama sonuçlarına GPT yanıtları ekler. Hem geleneksel arama sonuçlarını hem de bir AI özetini yan yana görün. Doğrudan arama sayfalarının üzerine bindirilir.
Tercih edilen kaynak olarak ekleGeliştiriciler için Web Kontrol Framework'leri
Programatik tarayıcı kontrolü için düşük seviyeli kütüphaneler.
Test Framework'leri
Playwright: Microsoft'ın çapraz tarayıcı otomasyonu. Chromium, Firefox, WebKit'i destekler. Yerleşik beklemeler, ağ yakalama ve mobil emülasyon. JavaScript, Python, .NET ve Java'da mevcuttur. Modern web testi için endüstri standardı.
Selenium: Orijinal tarayıcı otomasyon framework'ü. Tüm büyük tarayıcılarda çalışır. Daha büyük ekosistem ancak daha eski mimari. Python, Java, C#, Ruby ve daha fazlası için dil bağlamaları. WebDriver protokol standardı.
taiko: Okunabilir söz dizimine sahip ThoughtWorks framework'ü. Test okunabilirliğinin önemli olduğu fonksiyonel testler için iyidir. Yalnızca Node.js.
Otomasyon Kütüphaneleri
Puppeteer: Google'ın Chrome/Chromium'u kontrol etme kütüphanesi. Ekran görüntüleri, PDF oluşturma ve kazıma için yüksek seviyeli API. Node.js ekosistemi TypeScript ile çalışır. Headless Chrome otomasyonu için standart seçim.
Browser-Use: Yukarıda LLM köprüsü olarak listelendi, ancak aynı zamanda bir geliştirici otomasyon kütüphanesi olarak da çalışır. DOM'u yapılandırılmış bir formata dönüştürür, navigasyonu ve etkileşimi yönetir. API seçeneği olan Python kütüphanesi.
Bu Web Ajanlarını Farklı Kılan Nedir
Browser-Use WebVoyager testlerinde %89.1 skor elde ederken, Agent-E tam dataset'te %73.1'e ulaştı. Browser-Use, LangChain entegrasyonu ile otonom görev planlaması kullanır. Agent-E, DOM yapısını doğrudan görüntü modelleri olmadan ayrıştırır; bu daha hızlı çalışır ancak web siteleri dinamik açılır menüler kullandığında veya kullanıcı seçimlerine bağlı olarak yeni seçenekler gösterdiğinde zorlanır.
Otonomi Seviyeleri
Tam otonom ajanlar, Browser-Use, Skyvern ve Agent-E gibi, üst düzey hedefleri kabul eder ("en ucuz Paris uçuşunu bul") ve kendi navigasyon adımlarını planlar. Cookie banner'ları veya captcha'lar gibi beklenmedik öğelere uyum sağlarlar. Ancak her karar bir LLM çağrısı gerektirir, bu da hem maliyeti hem de yanıt süresini artırır.
Adım adım rehberlik araçları, LaVague ve ZeroStep gibi, belirli komutları yürütür ("arama düğmesine tıkla", "alan 2'ye metin gir"). Planlama ek yükünü atladıkları için daha hızlı yürütme. Ancak bir site düzenini yeniden tasarlarsa, talimatları manuel olarak güncellemeniz gerekir.
Manuel kodlama framework'leri, Playwright ve Selenium gibi, her tıklama, form doldurma ve navigasyon için açık kod gerektirir. Testler, site bir öğe ID'sini veya sınıf adını değiştirene kadar her seferinde aynı şekilde çalışır. Sonra seçiciler bozulur ve kodu yeniden yazarsınız.
Sayfaları Nasıl Yorumluyorlar
Görüntü tabanlı işleme: Skyvern 2.0, WebVoyager ve VimGPT ekran görüntüleri yakalar ve bunları GPT-4V gibi görüntü modellerine gönderir. İşlenmiş sayfaya bakarak düğmeleri ve formları tanımlarlar.
Skyvern 2.0 aslında bir planlayıcı-aktör-doğrulayıcı döngüsü kullanır. Planlayıcı karmaşık görevleri daha küçük hedeflere böler, aktör bunları yürütür ve doğrulayıcı her hedefin başarılı olup olmadığını onaylar. Bu üç aşamalı yaklaşım Skyvern'in %45'ten (tek prompt sürümü) %68.7'ye (planlayıcı ile) ve %85.85'e (doğrulayıcı eylemlerin gerçekten çalışıp çalışmadığını kontrol ederken) sıçramasına yardımcı oldu.
Görüntü işleme, DOM'un sayfa yüklendikten sonra yeniden oluşturulduğu JavaScript ağırlıklı sitelerde çalışır. Ancak GPT-4V görüntü token'ı başına ücretlendirir, bu da her sayfa görünümünü HTML okumaktan 10-20x daha pahalı hale getirir. Görüntü modelleri ayrıca DOM ayrıştırmaya kıyasla sayfa başına 2-3 saniye ekler.
DOM ayrıştırma: Browser-Use ve Agent-E doğrudan sayfa HTML'sini okur. Tıklanabilir öğeler, giriş alanları ve navigasyon bağlantıları için kodu tararlar.
Agent-E, karmaşık sayfaları temel öğelere indirgemek için "DOM Distillation" ve başarılı etkileşim kalıplarını hatırlayıp yeniden kullanmak için "Skill Harvesting" kullanır. Huggingface, Apple ve Amazon gibi sitelerde yalnızca metin kullanarak multimodal WebVoyager ajanını (görüntü kullanan) yendi. Ancak Agent-E'nin planlaması, web siteleri dinamik olarak yeni seçenekler gösterdiğinde — seçimlerinize bağlı olarak değişen açılır menüler gibi — senkronizasyonu kaybeder.
DOM ayrıştırma daha az maliyetlidir ve daha hızlı çalışır. Browser-Use'un %89.1'lik doğruluğu kısmen LangChain entegrasyonundan ve güncellenmiş prompt'lardan gelir, sadece görüntü çağrılarını atlamaktan değil. Ancak DOM yaklaşımları, siteler shadow DOM, gizlenmiş sınıf adları veya yoğun JavaScript manipülasyonu kullandığında zorlanır.
Birleşik yaklaşım: LiteWebAgent ve AutoWebGLM yapı için DOM'u ayrıştırır, ardından kullanıcıların gerçekte ne gördüğünü doğrulamak için görüntü kullanır. Yalnızca DOM'dan daha doğru, saf görüntüden daha ucuz, ancak sayfa başına iki sistem çalıştırıyorsunuz.
Uzmanlaşma
Otomatik-GPT ve AgenticSeek, dosya işlemleri ve kod yürütmenin yanında web taramayı da yönetir. Proxy rotasyonu ve cookie yönetimi gibi web'e özgü özelliklerden yoksundurlar, bu da bot tespiti olan sitelerde etkinliği sınırlar.
Agent-E ve WebVoyager yalnızca web navigasyonu yapar. Agent-E, tam 643 görevlik WebVoyager dataset'inde genel olarak %73.1 elde etti ve multimodal WebVoyager ajanının %57.1'ini geçti. Wolfram (%95.7), Google Arama (%90.7) ve Google Maps (%87.8) gibi sitelerde güçlü performans. Dinamik sitelerde zayıf: Booking.com'da yalnızca %27.3 ve Google Flights'ta %35.7, burada açılır menüler ve form alanları kullanıcı seçimlerine bağlı olarak değişir.
Crawl4AI ve FireCrawl veri çıkarır ve sayfaları Markdown veya JSON'a dönüştürür. Form doldurmaz veya iş akışlarında tıklamazlar. Çok adımlı görevleri tamamlamanız gerektiğinde değil, yapılandırılmış formatta içeriğe ihtiyacınız olduğunda bunları kullanın.
Playwright ve Selenium tarayıcı testini otomatikleştirir. Çalıştırmalar arasında aynı sonuçları üretirler, regresyon testleri için gereklidir. Ancak bu determinizm, uyum sağlayamayacakları anlamına gelir. Bir site değiştiğinde, test paketiniz bozulur.
Dağıtım Seçenekleri
Yerel yürütme: AgenticSeek, Nanobrowser ve OpenInterpreter makinenizde çalışır. Tarama verileriniz yerel kalır ve API maliyetlerinden kaçınırsınız. Ancak tipik bir iş istasyonu, CPU/RAM maksimuma çıkmadan önce 5-10 eşzamanlı tarayıcı örneğini yönetir.
Bulut API'ler: Browserless, REST veya WebSocket aracılığıyla uzak Chrome örnekleri sağlar. Otomatik proxy rotasyonu ile yüzlerce paralel oturum başlatabilirsiniz. Her istek yerel tarayıcılara kıyasla 100-300ms gecikme ekler ve Docker ile self-host yapmadığınız sürece trafiğiniz onların sunucuları üzerinden yönlendirilir.
Esnek dağıtım: Skyvern geliştirme sırasında yerel olarak çalışır, ardından üretim için buluta dağıtılır. Benchmark'ları aslında Skyvern Cloud'da (yerel makineler değil) çalıştırıldı ve asenkron bulut tarayıcıları ve gerçekçi IP adresleriyle gerçek dünya koşullarını test etti. Çoğu benchmark, üretim gerçekliğiyle eşleşmeyen iyi tarayıcı parmak izleriyle güvenli yerel IP'lerde çalışır.
Entegrasyon Kalıpları
AutoGen'in WebSurfer'ı, Microsoft'ın tüm çok ajanlı framework'ünü benimsemeyi gerektirir. Yerleşik ajan orkestrasyonu ve bellek yönetimi alırsınız, ancak mevcut sistemlerle kolayca entegre edemezsiniz.
Browser-Use ve Playwright bağımsız kütüphaneler olarak çalışır. Bunları herhangi bir Python veya Node.js projesine bırakın. Ancak kendi ajan koordinasyonunuzu, hata yönetiminizi ve sonuç depolamanızı oluşturacaksınız.
Nanobrowser ve BraveGPT Chrome uzantıları olarak kurulur. Sunucu kurulumu gerekmez, tarayıcıya ekleyin ve başlayın. Birkaç eşzamanlı sekmenin ötesine ölçeklenemez ve arka uç otomasyon pipeline'larıyla entegre olmazlar.
Üretim Hususları
Skyvern ve Browserless, konut proxy desteği, rastgele fare hareketleri ve tarayıcı parmak izi rotasyonu içerir. Bu özellikler korumalı sitelerde IP yasaklarını ve CAPTCHA tetikleyicilerini önler.
WebVoyager ve AutoWebGLM navigasyon algoritmalarına odaklanır. Agent-E, metin tabanlı DOM ayrıştırma kullanarak %73.1'e ulaştı ve WebVoyager'ın %57.1'lik multimodal yaklaşımını geçti. Ancak Cloudflare veya DataDome bulunan üretim siteleri, uygun anti-tespit olmadan ajanları engelleyecektir.
Önemli benchmark bağlamı: Browser-Use ve Agent-E testleri yerel olarak güvenli IP adresleriyle çalıştırdı. Skyvern, testlerini özellikle bulut altyapısında çalıştırdı ve bot tespiti, tarayıcı parmak izi ve CAPTCHA zorluklarıyla karşılaştığınız gerçek üretim koşullarıyla eşleştirdi. Benchmark testleri agresif bot koruması olmayan işbirliğine dayalı sitelerde çalışır, bu nedenle gerçek dünya başarı oranları bu rakamların önerdiğinden daha düşük olacaktır.
Benchmark kaynakları
Bu araştırmayı kaynak gösterin
Yayınlayacağınız yere uygun formatı seçin. Bağlantılı sürümü CMS'inize yapıştırmak, geri bağlantıyı korur.
@misc{dilmegani2026,
author = {Dilmegani, Cem},
title = {{En İyi 30+ Açık Kaynak Web Ajanı}},
year = {2026},
month = jun,
howpublished = {\url{https://aimultiple.com/open-source-web-agents}},
note = {AIMultiple. Erişim tarihi: 25 Haziran 2026}
}Referans Linkleri
Yorum yapan ilk kişi olun
E-posta adresiniz yayınlanmayacak. Tüm alanlar gereklidir. Yorumlar orijinal dilinde bırakılır.