Dört kategoride 30+ açık kaynak web ajanını test ettik: otonom ajanlar, bilgisayar kullanım kontrolörleri, web kazıyıcılar ve geliştirici çerçeveleri.
WebVoyager test paketini kullanarak aynı kıyaslamaları yaptık; bu paket 15 gerçek web sitesinde 643 görevi kapsar ve hangi araçların çok adımlı web görevlerini gerçekten tamamladığını, hangilerinin siteler dinamik açılır menüler veya JavaScript yoğun düzenler kullandığında başarısız olduğunu ölçtük.
Açık Kaynak Web Ajanları: GitHub Yıldızları
WebVoyager Kıyaslaması: Metodoloji
Test edilen ajanlar
Her üç kriteri de karşılayan ajanları dahil ettik: açık kaynak kodu, ajanın kendi yayınlanmış değerlendirmesine göre WebVoyager kıyaslamasında bildirilen bir puan ve aktif bakım (inceleme tarihimizden itibaren 6 ay içinde son commit yapılmış olması).
- Browser-Use: LLM-tarayıcı köprüsü, DOM tabanlı, LangChain entegrasyonu ile
- Skyvern 2.0: Görüntü tabanlı, planlayıcı-uygulayıcı-doğrulayıcı mimarisi, bulut dağıtımı
- Agent-E: Yalnızca DOM, görüntü modeli yok, tam 643 görev veri seti
- WebVoyager: Orijinal çok modlu temel, GPT-4V + DOM hibriti
Daha geniş makalede listelenen ancak yayınlanmış WebVoyager puanı olmayan ajanlar (Auto-GPT, AgenticSeek, OpenManus, LaVague ve diğerleri) mimari, dağıtım modeli ve belirtilen yetenekler açısından niteliksel olarak değerlendirildi. Kantitatif karşılaştırmaya dahil edilmediler.
Test koşulları
Her ekip kendi değerlendirmesini yaptı; testleri bağımsız olarak yeniden yapmadık. Puan farklılıkları kısmen farklı test koşullarını yansıtır:
Browser-Use, 643 görevin 586'sini test etti, güncel olmayan cevaplara sahip 55 tanesini çıkardı (üretimi durdurulan Apple ürünleri, süresi dolmuş uçuş tarihleri, silinmiş tarifler). Testler güvenli IP adreslerine sahip yerel makinelerde yapıldı. Testten önce LangChain entegrasyonu uygulandı ve sistem istemleri yeniden yazıldı.
Skyvern 2.0, 643 görevin 635'ini test etti, geçersiz cevaplı 8 görevi çıkardı ve seyahat görevlerindeki 2023/2024 tarihlerini 2025 olarak güncelledi. Testler Skyvern Cloud'da asenkron bulut tarayıcıları kullanılarak yapıldı — yerel makineler değil. Bulut koşulları, ajanları yerel testlerin kaçındığı bot algılama ve CAPTCHA zorluklarına maruz bırakır. Tam test kayıtları eval.skyvern.com adresinde mevcuttur.
Agent-E, tam 643 görevlik veri setini değişiklik yapmadan test etti. Yalnızca DOM ayrıştırma kullandı, görüntü modeli yok. Karşılaştırma temeli orijinal WebVoyager ajanıydı, GPT-4o değil.
WebVoyager (orijinal), tam veri setini GPT-4V ekran görüntüleri artı DOM kullanarak test etti. Agent-E'nin yalnızca metin kullanarak geçtiği çok modlu temel olarak hizmet eder.
Puanlama
Görev tamamlama ikili: ajan ya tam çok adımlı görevi tamamlar ya da tamamlamaz. Kısmi kredi verilmez. Görev, yalnızca nihai beklenen çıktı (bir fiyat, rezervasyon onayı, arama sonucu) doğrulama verisiyle eşleştiğinde tamamlanmış olarak işaretlenir.
Başarı oranı şu şekilde raporlanır: tasks completed / tasks attempted × 100
Ekiplerin veri setinden görev çıkardığı durumlarda, payda orijinal 643 yerine kendi azaltılmış setlerini yansıtır.
Bu puanlar pratikte ne anlama geliyor?
WebVoyager kıyaslama görevleri, canlı web sitelerinde işbirliğine dayalı koşullarda çalışır; agresif bot koruması yok, Cloudflare yok, DataDome yok. Browser-Use ve Agent-E, yerel makinelerde yerleşim birimine eşdeğer IP'lerle çalıştı. Skyvern, üretim gerçekliğine yaklaşmak için kasıtlı olarak bulut altyapısı kullandı. Korumalı üretim sitelerindeki gerçek dünya başarı oranları, tüm ajanlar için kıyaslama puanlarından daha düşük olacaktır.
Kıyaslama, hızı, görev başına maliyeti veya anti-bot önlemlerine dayanıklılığı ölçmez. 89.1% WebVoyager puanı, ajanın Cloudflare korumalı bir üretim sitesinde görevlerin 89%'unu tamamlayacağı anlamına gelmez.
Sınırlamalar
Karşılaştırılabilir olmayan paydalar: Browser-Use 586 görev test etti, Skyvern 635 görev, Agent-E 643 görev. Daha küçük bir setteki daha yüksek puan, tam setteki daha düşük puanla doğrudan karşılaştırılamaz.
Kendi bildirilen sonuçlar: Tüm puanlar, her ekibin kendi yayınladığı değerlendirmeden gelmektedir. Tüm ajanlarda aynı koşullarla kontrollü bir yeniden test yapmadık.
Kıyaslama kayması: WebVoyager görev seti 2023 yılında yayınlandı. Bazı görevler artık mevcut olmayan ürünlere, fiyatlara ve tarihlere atıfta bulunuyor. Ekipler bunları farklı şekilde ele aldı; bazıları çıkardı, bazıları tarihleri güncelleyerek tutarsızlığa yol açtı.
Yerel ve bulut farkı: Browser-Use ve Agent-E yerel olarak test edildi (güvenli IP'ler, bot algılama yok). Skyvern bulutta test edildi (gerçek dünya bot korumasına maruz kalma). Doğrudan puan karşılaştırması, yerel olarak test edilen ajanlar için üretim farkını olduğundan düşük gösterir.
Maliyet veya gecikme verisi yok: Kıyaslama yalnızca görev tamamlamayı ölçer. Görev başına maliyet ve ortalama tamamlama süresi, üretim dağıtım kararları için önemli olsa da WebVoyager puanlarında yer almaz.
Statik anlık görüntü: Puanlar, test zamanındaki ajan sürümlerini ve web sitesi durumlarını yansıtır. Her ikisi de sık sık değişir; bir web sitesi yeniden tasarımı veya ajan güncellemesi sonuçları önemli ölçüde değiştirebilir.
Son Büyük Güncellemeler
Güvenlik Krizi: OpenClaw Kötü Amaçlı Yazılım Dağıtımı
400'den fazla kötü amaçlı “beceri” Ocak sonu ile Şubat başı arasında ClawHub'a (OpenClaw'ın pazar yeri) yüklendi ve kimlik bilgisi çalan kötü amaçlı yazılım dağıtıldı.1 IBM, Anthropic ve Palo Alto Networks uyarılar yayınladı. Güvenlik araştırmacıları artık yalnızca yalıtılmış ortamların ve doğrulanmış kaynakların kullanılmasını öneriyor.
OpenClaw Viral Büyüme
OpenClaw (eski adıyla Moltbot/Clawdbot), en hızlı büyüyen açık kaynak yapay zeka projesi olarak 147.000 GitHub yıldızına ulaştı. Yerel olarak çalışır, mesajlaşma platformlarıyla entegre olur ve 100+ hizmet için Model Context Protocol kullanır.2 Cloudflare, altyapısını desteklemek için Moltworker ara yazılımını yayınladı.3
Moltbook: Yapay Zeka Ajan Sosyal Ağı
Yalnızca yapay zekaya yönelik sosyal ağ, Ocak sonu başlatıldı ve günler içinde 1.5 milyon ajana ulaştı. Ajanlar otonom olarak gönderi paylaşır ve etkileşime girerken insanlar gözlemler.4
Model Context Protocol Standardizasyonu
MCP, ajan-araç entegrasyonu için baskın protokol haline geldi ve 100'den fazla sunucu mevcut. Yönetim ve idare, kurumsal dağıtımlar için artık kritik öneme sahip.
NVIDIA Nemotron 3 Modelleri
NVIDIA, ajan yapay zeka için optimize edilmiş Nemotron 3 ailesini (Nano, Super, Ultra) piyasaya sürdü ve 4 kat daha yüksek iş çıkarma kapasitesi sağladı. GitHub ve Hugging Face üzerinde NeMo Gym ve Agentic Safety Dataset'i içerir.5
Otonom Web Ajanları ve Copilot'lar
Web sitelerinde gezinen ve minimum yönlendirme ile çok adımlı görevleri 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 davetiyeleri gönder” deyin, tüm iş akışını halleder. Bulut API çağrıları olmadan 100+ hizmete bağlanmak için Model Context Protocol kullanır.
Kimler kullanır: Yerel otomasyon için güvenlik risklerini yönetmeye istekli erken benimseyenler. Masaüstü iş akışları için konuşma arabirimleri isteyen kullanıcılar.
Sınırlamalar:
- Beceri ekosisteminde büyük güvenlik açıkları (bir haftada 400+ kötü amaçlı paket)
- Hâlâ hızlı geliştirme aşamasında, sık sık uyumluluğu bozan değişiklikler oluyor
- Belgeler, birden fazla yeniden markalaşma döngüsü nedeniyle tutarsız
- Kaynak yoğun (önemli yerel işlem gücü 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 toplama işlemlerini halleder. Python tabanlı, tamamen kendi kendine barındırılır.
Kimler kullanır: Gizlilik bilincine sahip, tarama verilerini paylaşmayan kullanıcılar. Veri ikamet şartı olan kuruluşlar.
Sınırlamalar:
- Tek makinede eşzamanlılık sınırı (5-10 tarayıcı örneği)
- Yerleşik proxy döndürme veya anti-algılama özelliği yok
- Python ortamı kurulumu ve bakımı gerektirir
- Büyük ölçekli görevler için bulut çözümlerinden daha yavaş
Auto-GPT: Dosya işlemleri ve kod çalıştırmanın yanı sıra web taramasını da yönetir. Tarayıcı arabirimi veya komut satırı üzerinden dağıtın. “Rakip fiyatlandırmasını araştır ve bir elektronik tabloya kaydet” gibi bir görev atadığınızda, hangi web sitelerini ziyaret edeceğine, hangi verileri alacağına ve çıktıyı nasıl düzenleyeceğine karar verir.
Kimler kullanır: Özel otomasyon iş akışları geliştiren geliştiriciler. Komut satırı araçlarıyla rahat olan kullanıcılar.
Sınırlamalar:
- Proxy döndürme ve cookie yönetimi gibi web'e özgü özelliklerden yoksun
- Yerleşik bot algılamadan kaçınma yok (Cloudflare bulunan siteler engeller)
- Kaynak yoğun (birden çok tarayıcı örneği başlatır)
- Karmaşık görevler için manuel prompt'lar mühendisliği gerektirir
AgentGPT: Kod yazmadan doğrudan tarayıcınızda ajanlar yapılandırın. Hedefleri adımlara ayıran “AraştırmaGPT” veya “DataGPT” gibi özel ajanlar geliştirin. Platform orkestrasyonu yönetir. Ne yapılmasını istediğinizi açıklarsınız. Barındırılan sürümlerini kullanmak istemiyorsanız kendi kendine barındırılabilir.
Kimler kullanır: Basit otomasyona ihtiyaç duyan teknik olmayan kullanıcılar. Ekipler ortak ajan yapılandırmaları ister.
Sınırlamalar:
- Kodlanmış çözümlere kıyasla sınırlı özelleştirme
- Karmaşık çok adımlı görevlerde performans darboğazları
- Barındırılan sürüm verileri kendi sunucularına gönderir (gizlilik için kendi kendine barındırma gerekir)
- Tarayıcı parmak izi veya CAPTCHA işleme gibi gelişmiş özellikler yok
SuperAGI: Yaygın iş akışları için şablonlarla özel otonom ajanlar oluşturmaya yarayan çerçeve. Kendi mantığınızla genişletin. Tarayıcı otomasyonunu daha büyük iş akışlarının bir bileşeni olarak yönetir. Yerel olarak dağıtın veya bulut altyapısına gönderin.
Kimler kullanır: Üretim ajan sistemleri kuran geliştirme ekipleri. Özelleştirilebilir otomasyon çerçevelerine ihtiyaç duyan kuruluşlar.
Sınırlamalar:
- Dik öğrenme eğrisi (ajan mimarisini anlamayı gerektirir)
- Şablon kütüphanesi hâlâ sınırlı (çoğu kullanım durumu için özel geliştirme gerekir)
- Gelişmiş özellikler için belge boşlukları
- Aktif geliştirme, sürümler arasında uyumluluğu bozan değişikliklere neden olur
Nanobrowser: Chrome eklentisi yaklaşımı, kurun, ardından tarayıcı araç çubuğundan ajanları kontrol edin. “Bu sayfadaki tüm e-postaları çıkar” veya “bu formu elektronik tablomdaki verilerle doldur” gibi hızlı görevler için iyidir.
Kimler kullanır: Ara sıra tarayıcı otomasyonuna ihtiyaç duyan sıradan kullanıcılar. Sunucu veya Python ortamı kurmayacak kullanıcılar.
Sınırlamalar:
- Birkaç sekmeden fazlasına ölçeklenemez (eşzamanlı işlem yok)
- Arka uç otomasyon boru hatlarıyla entegrasyon yok
- Yalnızca Chrome tarayıcı ile sınırlı
- Eklenti izinleri güvenlik endişeleri doğurur
OpenManus: Ticari tarayıcı otomasyon hizmetlerine açık kaynak alternatifi. Fiyat değişikliklerini izlemek veya ürünlerin yeniden stoklanmasını beklemek gibi saatler veya günler süren tarayıcı görevlerini çalıştırır. Python ve Docker ile yerel olarak dağıtın, arka planda çalışmaya bırakın.
Son güncelleme: DeepWisdom (OpenManus ana şirketi), çekirdek ajan teknolojisini Ocak ortasında resmi olarak Atoms olarak yeniden markalaştırdı. Yeni Atoms çerçevesi, odak noktasını geliştirici hobi araçlarından, ödemeler ve kimlik doğrulama için yerleşik modüllerle ticari sınıf ajan dağıtımına kaydırıyor.6
Kimler kullanır: Uzun süreli izleme görevleri çalıştıran kullanıcılar. Geliştiriciler otomatik bildirim sistemleri kuruyor.
Sınırlamalar:
- Docker ve Python kurulumu gerektirir
- Yerleşik proxy desteği yok (aynı IP'den tekrarlanan istekler tespit edilir)
- Uzun süreli görevlerde bellek sızıntıları (periyodik yeniden başlatma gerektirir)
- Atoms'a yeniden markalaşma belge kafa karışıklığına yol açabilir
Bilgisayar Kullanım Ajanları
Daha geniş bilgisayar iş akışlarının bir parçası olarak tarayıcıları kontrol eden masaüstü otomasyonu.
OpenInterpreter: Yazdıklarınıza dayanarak Python, JavaScript ve kabuk betikleri çalıştıran terminal tabanlı ajan. “Bu siteyi kazı ve verileri pandas'ta analiz et” deyin, kazıma kodunu üretir, çalıştırır ve ardından analizi yapar. Tarayıcı otomasyonu, dosya sistemi erişimi ve veri işleme ile entegre olur.
Kimler kullanır: Terminal arayüzleriyle rahat olan geliştiriciler. Web kazımayı analiz iş akışlarıyla birleştiren veri bilimciler.
Ne zaman mantıklı olur: Web taraması ve yerel hesaplamayı kapsayan otomasyona ihtiyacınız var. Çalıştırmadan önce üretilen kodu incelemek ve değiştirmek istiyorsunuz. İş akışlarınız, toplama sonrası veri dönüşümü içeriyor.
Sınırlamalar:
- Yalnızca terminal arayüzü (GUI yok)
- Güvenlik riski (makinenizde rastgele kod çalıştırır)
- Varsayılan olarak yalıtılmış alan yok (herhangi bir dosya veya sistem kaynağına erişebilir)
- Programcı olmayanlar için öğrenme eğrisi
UI-TARS: Akademiden araştırma çerçevesi; masaüstünüzün ekran görüntülerini alır, görüntü modelleriyle analiz eder ve GUI öğelerini kontrol etmek için komutlar üretir. Masaüstü otomasyonuna yeni yaklaşımları test etmek için üretilmiştir, üretim kullanımı için değil.
Kimler kullanır: Görüntü tabanlı otomasyonu araştıran akademik araştırmacılar. Çok modlu kontrol sistemlerini test eden laboratuvarlar.
Ne zaman mantıklı olur: Görüntü tabanlı otomasyon üzerine araştırma yapıyorsunuz. Ekran görüntüsü analizi yaklaşımlarını denemeniz gerekiyor. GUI otomasyonu hakkında akademik makaleler yazıyorsunuz.
Sınırlamalar:
- Üretime hazır değil (araştırma prototipi)
- Yüksek gecikme (görüntü modeli işleme, eylem başına 2-3 saniye sürer)
- Pahalı (GPT-4V görüntü token'ı başına ücret alır)
- Hata kurtarma veya yeniden deneme mantığı yok
AutoBrowser MCP: Model Context Protocol aracılığıyla Claude'un Chrome tarayıcılarını kontrol etmesini sağlayan ve görüntü tabanlı tarayıcı etkileşim yetenekleri sunan MCP sunucusu. Claude tarayıcı ekranınızı görür, neye tıklayacağına karar verir ve eylemi gerçekleştirir. Bir Chrome eklentisi ve yerel bir sunucu olarak çalışır.
Kimler kullanır: Tarayıcı kontrolü isteyen Claude kullanıcıları. MCP tabanlı otomasyon sistemleri kuran geliştiriciler.
Ne zaman mantıklı olur: Zaten Claude kullanıyorsunuz ve tarayıcı otomasyonu eklemek istiyorsunuz. Programlı API'ler yerine konuşma tabanlı kontrol tercih ediyorsunuz. Karmaşık düzenler için görüntü tabanlı etkileşim gerekiyor.
Sınırlamalar:
- Claude API erişimi gerektirir (tüm bölgelerde mevcut değil)
- Görüntü modeli maliyetleri hızla artar
- Gecikme, DOM tabanlı yaklaşımlara göre daha yüksektir
- Yalnızca Chrome tarayıcı ile sınırlı
Open Operator: Browser-Use ekibinin OpenAI’ın Operator’üne cevabı. Dil modellerine basitleştirilmiş DOM görünümü aracılığıyla doğrudan Chrome erişimi verir. Tamamen otonom modda veya her eylemi çalıştırmadan önce onayladığınız onay modunda çalıştırın. Python veya tarayıcı eklentisi aracılığıyla kurun.
Son güncelleme: Browser-Use, Ocak ayı sonunda Parallel AI ile stratejik entegrasyon duyurdu ve çok iş parçacıklı web aramalarını mümkün kıldı. Güncelleme, ajanların dakikada 20 tarayıcı adımı çalıştırmasını sağlayarak karmaşık araştırma görevlerinde insan performansına eşit veya üzerinde sonuçlar veriyor.7
Kimler kullanır: Zaten Browser-Use çerçevesini kullanan ekipler. Ajan eylemleri için onay iş akışları isteyen kuruluşlar.
Ne zaman mantıklı olur: İnsan gözetimiyle otonom taramaya ihtiyacınız var. İş akışlarınız hız gerektiriyor (çok iş parçacıklı çalıştırma). Browser-Use ekosistemi üzerine inşa ediyorsunuz.
Sınırlamalar:
- Browser-Use çerçevesi kurulumu gerektirir
- Onay modu otomasyonu önemli ölçüde yavaşlatır
- Sınırlı anti-algılama özellikleri (bot korumalı siteler engelleyecektir)
- Yalnızca Python (JavaScript/TypeScript desteği yok)
Cowork (Anthropic): Anthropic'in, birleşik bir uygulama içinde dosya sistemlerine ve tarayıcı ortamlarına doğrudan Claude erişimi veren masaüstü aracı. Bilgisayar Kullanım API'sini tüketiciye yönelik bir ürüne dönüştürür. İndirilebilir; artık araştırma ön izlemesiyle sınırlı değil. Açık kaynak alternatifleriyle karşılaştırma amacıyla buraya dahil edilmiştir, ancak tescillidir.
Web Gezinme Ajanları
Özellikle çok adımlı web sitesi iş akışlarına odaklanır.
Agent-E: Tıklanabilir öğeleri ve gezinme yollarını bulmak için sayfa HTML'sini okur. Sayfaları yalnızca temel etkileşimli öğelere indirgemek için “DOM Distillation” ve başarılı desenleri hatırlamak için “Skill Harvesting” kullanır. Saf metin kullanarak WebVoyager kıyaslamasında 73.1% puan aldı, görüntü modeli yok.
Kimler kullanır: Doğruluktan çok maliyeti önceleyen kuruluşlar. DOM tabanlı otomasyon sistemleri kuran geliştiriciler.
Ne zaman mantıklı olur: Statik web sitelerinde hızlı ve ucuz otomasyona ihtiyacınız var. Hedef siteleriniz JavaScript ağırlıklı dinamik formlar kullanmıyor. Daha düşük maliyet karşılığında 73% başarı oranını tolere edebilirsiniz.
Sınırlamalar:
- DOM yapısı beklenmedik şekilde değiştiğinde yerleşik hata kurtarma yok
- Seçimlere bağlı olarak açılır menülerin yeni seçenekler gösterdiği dinamik formlarda zorlanır
- JavaScript ağırlıklı sitelerde performans önemli ölçüde düşer
- Rezervasyon sitelerinde zayıf sonuçlar
AutoWebGLM: HTML'i dil modellerine beslemeden önce basitleştirir. Karmaşık sayfalar, temel gezinme öğelerine ve form alanlarına indirgenir. Zamanla gezinme kararlarını iyileştirmek için pekiştirmeli öğrenme kullanır. Python aracılığıyla kendi kendine barındırılarak çalıştırılır.
Kimler kullanır: RL tabanlı web otomasyonunu araştıran araştırma ekipleri. Model eğitimi için bilgi işlem kaynağı olan kuruluşlar.
Ne zaman mantıklı olur: Belirli web siteleriniz için özel modeller eğitmeye yatırım yapabilirsiniz. İş akışlarınız RL optimizasyonundan faydalanacak kadar tekrarlayıcı. Python ML altyapınız var.
Sınırlamalar:
- Sınırlı belge ve topluluk desteği
- Dağıtımdan önce eğitim aşaması gerektirir (tak-çalıştır değil)
- Etkili politikaları öğrenmek için önemli örnekler gerekir
- Web siteleri düzenleri yeniden tasarladığında bozulur
Görüntü Tabanlı Gezinme Ajanları
Görsel sayfa düzenini yorumlamak için ekran görüntülerini metin analiziyle birleştirir.
Autogen WebSurfer Eklentisi: Web taraması eklemek için Microsoft’un AutoGen çerçevesine takılır. Playwright kurulumu gerektirir. Çerçeve, ajan ekipleri oluşturmanıza olanak tanır; bir ajan arama yaparken diğeri sonuçları işler ve üçüncüsü sizinle etkileşime girer.
Kimler kullanır: Zaten AutoGen çerçevesini kullanan ekipler. Microsoft ekosistemi kullanıcıları.
Ne zaman mantıklı olur: AutoGen içinde çok ajanlı sistemler kuruyorsunuz. Düzenlenmiş ajan iş birliğine ihtiyacınız var. Microsoft’un desteğini ve belgesini istiyorsunuz.
Gerçek sınırlamalar:
- Sınırlı örnekler ve topluluk projeleri
- Tüm AutoGen çerçevesini benimsemeyi gerektirir (bağımsız kullanılamaz)
- Basit otomasyon görevleri için çerçeve ek yüküne 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, sayfa yüklendikten sonra DOM'un değiştiği JavaScript ağırlıklı siteleri ele alır. WebVoyager'da 85.85% puan aldı. Kendi kendine barındırarak dağıtın veya yönetilen bulutlarını kullanın.
WebVoyager: WebVoyager test paketini tanıtan 2024 makalesindeki orijinal kıyaslama ajanı. Hibrit bir yaklaşımla DOM ayrıştırmanın yanı sıra GPT-4V ekran görüntülerini kullanır. Tam 643 görevlik veri setinde 57.1% puan aldı ve bu, sonraki ajanların kendilerini ölçtüğü temel çizgidir. Üretim aracı olarak aktif olarak bakımı yapılmamaktadır; değeri, bir araştırma referansı ve kıyaslama başlangıç noktası olmasındadır.
Kimler kullanır: Modern web uygulamalarında yüksek doğruluk isteyen kuruluşlar. Daha iyi sonuçlar için görüntü modeli maliyetlerini ödemeye istekli ekipler.
Ne zaman mantıklı olur: Hedef siteleriniz yoğun JavaScript ve dinamik düzenler kullanıyor. 85% üzeri doğruluk gerekiyor. DOM ayrıştırmaya göre 10-20 kat daha yüksek maliyeti karşılayabilirsiniz. İş akışlarınız bulut altyapısını haklı çıkarıyor.
Sınırlamalar:
- Kendi kendine barındırılan sürüm, görüntü modelleri için önemli işlem gücü gerektirir
- Pahalı (GPT-4V görüntü token'ı başına ücret alır; her sayfa görüntüleme DOM ayrıştırmadan 10-20 kat daha maliyetlidir)
- DOM yaklaşımlarından daha yavaş (görüntü işleme için sayfa başına 2-3 saniye)
- Bulut dağıtımı sizi bot algılamaya maruz bırakır
LiteWebAgent: Chrome'u DevTools Protocol aracılığıyla kontrol eden bellek ve planlama özellikli görüntü dil modeli. Sayfa yüklemeleri arasında bağlamı korur ve gezinme kararları alırken önceki sayfalarda gördüklerini hatırlar. Python çerçevesi, kendi kendine barındırmalı dağıtım.
Kimler kullanır: Özel görüntü tabanlı ajanlar kuran geliştiriciler. Sayfalar arası belleğe ihtiyaç duyan ekipler.
Ne zaman mantıklı olur: İş akışlarınız birden çok sayfa arasında bilgi hatırlamayı gerektiriyor. Görüntü yeteneklerine ihtiyaç duyuyor ancak Skyvern'den daha fazla kontrol istiyorsunuz. Python ML altyapısını sürdürebilirsiniz.
Sınırlamalar:
- Görüntü modelleri için önemli işlem gücü gerektirir
- Bellek mimarisi karmaşıklığı ve hata modlarını artırır
- Bot algılamalı üretim web sitelerinde sınırlı test
- Küçük topluluk (alternatiflere göre daha az örnek ve entegrasyon)
Ajan etkinleştirme araçları
LLM'lerin veya kullanıcıların otonom görev planlaması olmadan tarayıcılara komut göndermesini sağlayan çerçeveler.
Doğal Dilden Web Eylemine
LaVague: “Yeşil düğmeye tıkla” dersiniz. LaVague onu bulur ve tıklar. Farklı sayfa düzenlerinde öğe tanımlamayı yönetir. Ne istediğinizi tam olarak bildiğiniz ancak seçici yazmak istemediğiniz tekrarlayan görevler için iyidir. Python tabanlı, kendi kendine barındırılarak çalışır.
ZeroStep: Konuşma talimatlarını Playwright test koduna dönüştürür. Eylemi sade İngilizce tanımlarsınız, Playwright komutlarını üretir. Zaten Playwright kullanıyorsanız test yazmayı hızlandırır. Node.js CLI aracı.
LLM-Tarayıcı Köprüleri
Dil modellerini doğrudan tarayıcı kontrollerine bağlayın.
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% puan almasını sağlayan şey budur. Python kütüphanesi veya API olarak mevcuttur, kendi kendine barındırarak dağıtın veya bulutlarını kullanın.
Browserless: REST veya WebSocket aracılığıyla kontrol ettiğiniz uzak Chrome örnekleri. Altyapı yönetmeden bulutta yüzlerce tarayıcı başlatın. Her tarayıcı başsız çalışır, bu nedenle GUI ek yükü olmaz. Barındırılan API'lerini kullanın veya kendi kendine barındırma için Docker kullanın.
ZeroStep (Playwright AI): Playwright'ın üzerinde yapay zeka katmanı. Seçiciler yerine prompt'lar yazın. Öğeleri tanımlamak için Playwright'ın güvenilirliğini LLM esnekliğiyle birleştirir. Node.js ve Playwright kurulumu gerektirir.
Tercih edilen kaynak olarak ekleWeb Otomasyonu & Kazıma Araç Setleri
Her işi ayrı ayrı sizin başlattığınız, göreve özel araçlar.
Tarayıcı Otomasyon Eklentileri
PulsarRPA: Veri çıkarma için Chrome eklentisi. Bir tabloya veya listeye işaret edin, neyi çıkaracağını gösterin, gerisini halleder. Zamanlama ve sonuçları depolamak için arka uç içerir.
Kimler kullanır: Düzenli veri çıkarmaya ihtiyaç duyan teknik olmayan kullanıcılar. Verileri elektronik tablolara çeken iş analistleri.
Ne zaman mantıklı olur: Aynı sitelerden tekrar tekrar veri çıkarıyorsunuz. Kod yazmak istemiyorsunuz. Zamanlama ve sonuç depolamaya ihtiyacınız var. Hedef siteleriniz tarayıcı eklentilerini engellemiyor.
Sınırlamalar:
- Yalnızca Chrome (Firefox veya Safari yok)
- Hedef siteler düzenleri değiştirdiğinde bozulur
- Proxy desteği yok (aynı IP'den tekrarlanan istekler tespit edilir)
- Yalnızca 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 araştıran araştırmacılar. Yapay zeka otomasyonunu merak eden Vim meraklıları.
Ne zaman mantıklı olur: Klavye odaklı otomasyon üzerine araştırma yapıyorsunuz. Görüntü modellerinin yeteneklerini anlamaya çalışıyorsunuz. Üretim otomasyonu dağıtmıyorsunuz.
Sınırlamalar:
- Yalnızca deneysel (gerçek iş için pratik değil)
- Vimium eklentisi ve Python arka ucu gerektirir
- Yüksek gecikme (görüntü işleme + komut üretimi)
- Pahalı (GPT-4V ekran görüntüsü başına maliyet)
Yapay Zeka Kazıyıcılar ve Gezginler
Crawl4AI: Bir sayfada neyin önemli olduğuna karar vermek için LLM'leri kullanan bir gezgin. Her şeyi almak yerine, hedefinize göre ilgili içeriği belirler. Python tabanlı, standart kazıma kütüphaneleriyle entegre olur.
Son büyüme: GitHub trending'de 1 numaraya yükseldi ve 58.000 yıldızı aştı. Markdown çıktısı ve BM25 içerik filtreleme ile LLM entegrasyonu için optimize edildi. Yerel öncelikli dağıtım gerektiren RAG işlem hatları için popüler seçim.8
Kimler kullanır: RAG sistemleri kuran geliştiriciler. API maliyeti olmadan yerel LLM desteğine ihtiyaç duyan ekipler.
Ne zaman mantıklı olur: Web verisine ihtiyaç duyan LLM uygulamaları inşa ediyorsunuz. Markdown formatında çıktı istiyorsunuz. Bulut API bağımlılıkları olmadan yerel dağıtıma ihtiyacınız var. Kullanım durumunuz içerik filtreleme ve alaka sıralaması içeriyor.
Sınırlamalar:
- Yerel olarak veya API aracılığıyla çalışan bir LLM gerektirir (bağımsız değil)
- Geleneksel kazıyıcılardan daha yavaş (sayfa başına LLM işleme)
- LLM yanlış yargılarsa önemli içeriği kaçırabilir
- Kural tabanlı kazıyıcılara göre daha yüksek kaynak kullanımı
FireCrawl: Web sitelerini temiz Markdown veya JSON'a dönüştürür. Gezinme, JavaScript işleme ve içerik çıkarmayı yönetir. LLM bağlam pencerelerine beslemek için yapılandırılmış çıktı. Node.js kütüphanesi veya CLI.
Kimler kullanır: LLM uygulama geliştiricileri. Web içeriğini işleyen yapay zeka sistemleri kuran ekipler.
Ne zaman mantıklı olur: LLM işleme için temiz metin çıkarmaya ihtiyacınız var. Hedef siteleriniz JavaScript işleme kullanıyor. Yapılandırılmış çıktı istiyorsunuz (Markdown/JSON). Node.js uygulamaları inşa ediyorsunuz.
Sınırlamalar:
- Yalnızca Node.js (Python bağlayıcıları yok)
- Dayatılan Markdown dönüşümü (ihtiyacınız olan biçimlendirmeyi kaybedebilir)
- Sınırlı çıkarma kuralı özelleştirme
- Yerleşik hız sınırlama veya anti-algılama yok
GPT-crawler: Siteleri tarar ve özel GPT'ler için eğitim verisi çıkarır. Belgelere veya bilgi tabanına işaret edin, içeriği çıkarır ve ince ayar için biçimlendirir. Python CLI aracı.
Kimler kullanır: Özel GPT modelleri kuran ekipler. Alana özgü yapay zeka asistanları oluşturan kuruluşlar.
Ne zaman mantıklı olur: Dil modellerine ince ayar yapıyorsunuz. Web kaynaklarından yapılandırılmış eğitim verisine ihtiyacınız var. İçeriğiniz belgeler veya bilgi tabanları. Python CLI araçlarını çalıştırabilirsiniz.
Sınırlamalar:
- Çıktı formatı GPT ince ayarına özgüdür (genel amaçlı değil)
- Artımlı güncelleme yok (güncellemeler için tüm siteyi yeniden tarar)
- Kimlik doğrulama veya ödeme duvarları için sınırlı işleme
- Statik içerik yapısı varsayar
ScrapeGraphAI: Taranan içerikten bilgi grafikleri oluşturur. Kavramlar arasındaki ilişkileri anlamanız gereken dokümantasyon siteleri için iyidir. Yapılandırılmış özetler veya olgu grafikleri çıkarır. Python dağıtımı.
Kimler kullanır: Bilgi yönetimi ekipleri. Web içeriğinden kavram haritaları oluşturan araştırmacılar.
Ne zaman mantıklı olur: Yalnızca içerik değil, ilişki çıkarmaya ihtiyacınız var. Hedef siteleriniz dokümantasyon veya eğitim içeriği. Bilgi tabanları veya kavram haritaları inşa ediyorsunuz. Python altyapınız var.
Sınırlamalar:
- Karmaşık kurulum (grafik 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 verileri içeren bir sayfa gösterin, kalıbı bulur ve benzer sayfalara uygular. Basit çıkarma görevleri için hafif Python kütüphanesi.
Kimler kullanır: XPath veya CSS seçicisi yazmadan hızlı çıkarma yapmak isteyen geliştiriciler. Kazıma iş akışlarının prototipini çıkaran ekipler.
Ne zaman mantıklı olur: Hedef sayfalarınız tutarlı kalıplar izliyor. Seçicileri manuel olarak yazmak istemiyorsunuz. Hızlı prototiplere ihtiyacınız var. Siteleriniz düzenleri sık sık değiştirmiyor.
Sınırlamalar:
- Sayfa düzenleri değiştiğinde bozulur
- Benzer sayfa yapılarıyla sınırlı (farklı sitelere genelleme yapamaz)
- JavaScript işleme desteği yok
- Basit kalıp eşleme (içerik hakkında yapay zeka muhakemesi yok)
LLM Kazıyıcı: Bir sayfayı bir LLM'ye gönderin ve “Tüm ürün fiyatlarını çıkar” veya “İletişim bilgilerini bul” diye sorun. Model amacınızı yorumlar ve ilgili verileri çeker. Esnektir ancak kural tabanlı kazıyıcılardan daha pahalıdır. Python tabanlı.
Kimler kullanır: Kural yazmadan esnek çıkarmaya ihtiyaç duyan ekipler. Tek seferlik çıkarma görevleri kuran geliştiriciler.
Ne zaman mantıklı olur: Sayfa yapıları kural tabanlı çıkarma için fazla değişkendir. Anlamsal anlayışa ihtiyacınız var (“yazarın adını bul”). Maliyet birincil endişeniz değil. Seçici mühendisliği olmadan hızlı geliştirme istiyorsunuz.
Sınırlamalar:
- Pahalı (sayfa başına LLM API maliyeti)
- Kural tabanlı kazıyıcılardan daha yavaş (API gecikmesi)
- İstem net değilse yanlış veri çıkarabilir
- Sayfalar arasında tutarlı alan çıkarma garantisi yok
Yapay Zeka Arama Araçları
BingGPT: Bing aramasını GPT yanıtlarıyla birleştiren sohbet arayüzü. Soru sorun, kaynaklı yanıtlar alın. Masaüstü uygulaması, tarayıcı tabanlı değil.
BraveGPT: Brave Search sonuçlarına GPT yanıtları ekleyen yapay zeka tarayıcı eklentisi. Hem geleneksel arama sonuçlarını hem de bir yapay zeka özetini yan yana görün. Doğrudan arama sayfalarının üzerine yerleştirilir.
Geliştiriciler için Web Kontrol Çerçeveleri
Programlı tarayıcı kontrolü için düşük seviyeli kütüphaneler.
Test Çerçeveleri
Playwright: Microsoft'un tarayıcılar arası otomasyonu. Chromium, Firefox, WebKit'i destekler. Yerleşik beklemeler, ağ durdurma ve mobil öykünme. JavaScript, Python, .NET ve Java dillerinde mevcuttur. Modern web testi için endüstri standardı.
Selenium: Orijinal tarayıcı otomasyon çerçevesi. Tüm büyük tarayıcılarda çalışır. Daha büyük ekosistem ancak daha eski mimari. Python, Java, C#, Ruby ve daha fazlası için dil bağlayıcıları. WebDriver protokol standardı.
taiko: Okunabilir sözdizimine sahip ThoughtWorks çerçevesi. 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 üst düzey API. Node.js ekosistemi TypeScript ile çalışır. Başsız Chrome otomasyonu için standart seçim.
Browser-Use: Daha önce LLM köprüsü olarak listelenmişti, ancak aynı zamanda geliştirici otomasyon kütüphanesi olarak da çalışır. DOM'u yapılandırılmış bir formata dönüştürür, gezinme ve etkileşimi yönetir. API seçeneği olan Python kütüphanesi.
Bu Web Ajanlarını Farklı Kılan Nedir?
Browser-Use WebVoyager testlerinde 89.1% puan alırken, Agent-E tam veri setinde 73.1% puana ulaştı. Browser-Use, LangChain entegrasyonuyla otonom görev planlaması kullanır. Agent-E, görüntü modelleri olmadan doğrudan DOM yapısını 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 gezinme adımlarını planlar. cookie'ler bildirimleri veya captcha'lar gibi beklenmedik öğelere uyum sağlarlar. Ancak her karar bir LLM çağrısı gerektirir, bu da hem maliyeti hem yanıt süresini artırır.
Adım adım rehberlik araçları LaVague ve ZeroStep gibi, belirli komutları yürütür (“arama düğmesine tıkla”, “2. alana metin gir”). Planlama ek yükünü atladıkları için daha hızlı yürütme. Ancak bir site düzenini yeniden tasarlarsa, talimatları manuel olarak güncellemeniz gerekir.
Manuel kodlama çerçeveleri Playwright ve Selenium gibi, her tıklama, form doldurma ve gezinme için açık kod gerektirir. Testler, site bir öğe kimliği veya sınıf adını değiştirene kadar her seferinde aynı şekilde çalışır. Ardından seçiciler bozulur ve kodu yeniden yazarsınız.
Sayfaları Nasıl Yorumlarlar?
Görüntü tabanlı işleme: Skyvern 2.0, WebVoyager ve VimGPT ekran görüntüleri alır ve bunları GPT-4V gibi görüntü modellerine gönderir. İşlenen sayfaya bakarak düğmeleri ve formları tanımlarlar.
Skyvern 2.0 aslında bir planlayıcı-uygulayıcı-doğrulayıcı döngüsü kullanır. Planlayıcı karmaşık görevleri daha küçük hedeflere ayırır, aktör bunları yürütür ve doğrulayıcı her hedefin başarılı olup olmadığını onaylar. Bu üç aşamalı yaklaşım, Skyvern'in 45% (tek istemli sürüm) seviyesinden 68.7% (planlayıcı ile) ve ardından 85.85% seviyesine (eylemlerin gerçekten işe yarayıp yaramadığını kontrol eden doğrulayıcı ile) sıçramasına yardımcı oldu.
Görüntü işleme, sayfa yüklendikten sonra DOM'un yeniden oluştuğu JavaScript ağırlıklı sitelerde çalışır. Ancak GPT-4V görüntü token'ı başına ücret alır, bu da her sayfa görüntülemeyi HTML okumaktan 10-20 kat daha pahalı hale getirir. Görüntü modelleri ayrıca DOM ayrıştırmaya kıyasla sayfa başına 2-3 saniye ekler.
DOM ayrıştırma: Browser-Use ve Agent-E sayfa HTML'ini doğrudan okur. Tıklanabilir öğeler, giriş alanları ve gezinme 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. Sadece metin kullanarak Huggingface, Apple ve Amazon gibi sitelerde çok modlu WebVoyager ajanını (görüntü kullanan) geçti. 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% doğruluğu kısmen LangChain entegrasyonundan ve güncellenmiş istemlerden gelir, sadece görüntü çağrılarını atlamaktan değil. Ancak DOM yaklaşımları, siteler gölge 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 ucuzdur, ancak sayfa başına iki sistem çalıştırırsınız.
Uzmanlık
Auto-GPT ve AgenticSeek, dosya işlemleri ve kod çalıştırmanın yanı sıra web taramasını da yönetir. Bot algılamalı sitelerde etkinliği sınırlayan proxy döndürme ve cookie yönetimi gibi web'e özgü özelliklerden yoksundurlar.
Agent-E ve WebVoyager yalnızca web gezinmesi yapar. Agent-E, tam 643 görevlik WebVoyager veri setinde genel olarak 73.1% başarı elde ederek çok modlu WebVoyager ajanının 57.1%'ini geçti. Wolfram (95.7%), Google Arama (90.7%) ve Google Haritalar (87.8%) gibi sitelerde güçlü performans. Dinamik sitelerde zayıf: kullanıcı seçimlerine bağlı olarak açılır menülerin ve form alanlarının değiştiği Booking.com'da yalnızca 27.3% ve Google Flights'ta 35.7%.
Crawl4AI ve FireCrawl veri çıkarır ve sayfaları Markdown veya JSON'a dönüştürür. Form doldurmaz veya iş akışlarında tıklama yapmazlar. İçeriğe yapılandırılmış formatta ihtiyacınız olduğunda kullanın, çok adımlı görevleri tamamlamanız gerektiğinde değil.
Playwright ve Selenium tarayıcı testini otomatikleştirir. Tekrarlamalar arasında aynı sonuçları üretirler, regresyon testleri için gereklidir. Ancak bu determinizm, uyum sağlayamayacakları anlamına gelir. Bir site değiştiğinde, test paketiniz bozulur.
Dağıtım Seçenekleri
Yerel çalıştırma: AgenticSeek, Nanobrowser ve OpenInterpreter makinenizde çalışır. Tarama verileriniz yerelde kalır ve API maliyetlerinden kaçınırsınız. Ancak tipik bir iş istasyonu, CPU/RAM dolmadan önce 5-10 eşzamanlı tarayıcı örneğini yönetir.
Bulut API'leri: Browserless, REST veya WebSocket aracılığıyla uzak Chrome örnekleri sağlar. Otomatik proxy döndürme ile yüzlerce paralel oturum başlatabilirsiniz. Her istek, yerel tarayıcılara kıyasla 100-300ms gecikme ekler ve Docker ile kendi kendine barındırmadığınız sürece trafiğiniz onların sunucularından geçer.
Esnek dağıtım: Skyvern, geliştirme sırasında yerel olarak çalışır, ardından üretim için buluta dağıtır. Kıyaslamaları aslında Skyvern Cloud'da (yerel makinelerde değil) gerçek dünya koşullarını asenkron bulut tarayıcıları ve gerçekçi IP adresleriyle test etmek için yapıldı. Çoğu kıyaslama, üretim gerçekliğine uymayan iyi tarayıcı parmak izlerine sahip güvenli yerel IP'lerde çalışır.
Entegrasyon Desenleri
AutoGen'in WebSurfer'ı, Microsoft'un tüm çok ajanlı çerçevesini benimsemeyi gerektirir. Yerleşik ajan orkestrasyonu ve bellek yönetimi alırsınız, ancak mevcut sistemlerle kolayca entegre edemezsiniz.
Browser-Use ve Playwright bağımsız kütüphaneler olarak çalışır. Herhangi bir Python veya Node.js projesine ekleyin. Ancak kendi ajan koordinasyonunuzu, hata yönetiminizi ve sonuç depolamanızı oluşturacaksınız.
Nanobrowser ve BraveGPT Chrome eklentisi olarak yüklenir. Sunucu kurulumu gerekmez, tarayıcıya ekleyin ve başlayın. Birkaç eşzamanlı sekmeden fazlasına ölçeklenemez ve arka uç otomasyon boru hatlarıyla entegre olmazlar.
Üretim Hususları
Skyvern ve Browserless, yerleşik ikametgah proxy desteği, rastgele fare hareketleri ve tarayıcı parmak izi döndürme içerir. Bu özellikler, korumalı sitelerde IP yasaklarını ve CAPTCHA tetikleyicilerini önler.
WebVoyager ve AutoWebGLM gezinme algoritmalarına odaklanır. Agent-E, çok modlu WebVoyager'ın 57.1%'ini geçerek metin tabanlı DOM ayrıştırma ile 73.1% başarıya ulaştı. Ancak Cloudflare veya DataDome bulunan üretim siteleri, uygun anti-algılama olmadan ajanları engelleyecektir.
Önemli kıyaslama bağlamı: Browser-Use ve Agent-E testleri güvenli IP adresleriyle yerel olarak yaptı. Skyvern, bot algılama, tarayıcı parmak izi ve CAPTCHA zorluklarıyla karşılaştığınız gerçek üretim koşullarına uyması için testlerini özellikle bulut altyapısında gerçekleştirdi. Kıyaslama testleri, agresif bot koruması olmayan işbirliğine açık sitelerde çalışır, bu nedenle gerçek dünya başarı oranları bu sayıların önerdiğinden daha düşük olacaktır.
Kıyaslama 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 Ajanları}},
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.