LLMにブラウザを操作させる SWE スタイルのエージェントフレームワーク Webwright

おすすめポイント

LLM 駆動のブラウザ自動化を「使い捨てのスクリーンショット連打」ではなく「再実行可能なコード」として扱う設計が新しい。Claude Code / OpenAI Codex / OpenClaw / Hermes Agent のプラグインとして組み込めるため、既存の開発エージェント環境にそのまま接続できる。コアは約 1,500 行で、PM/PdM が AI ブラウザエージェントの中身を理解するための実装サンプルとしても読みやすい。

内容

Webwright は、ターミナル経由でブラウザセッションを起動・検査し、Web 操作を Python スクリプトとして書き起こす SWE スタイルのブラウザエージェントフレームワーク。スクリーンショット取得は本当に必要な時のみで、ブラウザセッション自体は使い捨てとして扱う「コード中心アプローチ」が特徴。バックエンドは OpenAI / Anthropic / OpenRouter に対応。ベンチマークでは Online-Mind2Web で 86.7%、長期タスク評価で 60.1% の成功率を達成しており、業界トップレベルの結果を出している。

リポジトリ: github.com/microsoft/Webwright / ライセンス: MIT / 主要言語: Python