Browserbase, Browser Use i Steel: po co agentowi AI przeglądarka?

👁 119 przeczytań

Agent potrzebuje przeglądarki, gdy zadanie wymaga działań w interfejsie, a nie tylko przeczytania strony. Browserbase, Browser Use i Steel oferują różne warstwy takiej pracy; opis opiera się na dokumentacji, stan na październik 2026.

Kiedy zwykły scraper przestaje wystarczać?

Artykuł dostępny pod stałym adresem można często pobrać bez planowania działań w interfejsie. Inaczej wygląda serwis, w którym wynik pojawia się dopiero po wyborze kategorii, ustawieniu filtrów lub przejściu do kolejnego ekranu. Wtedy potrzebna jest sesja przeglądarki z zachowanym stanem. To stan, a nie samo renderowanie, stanowi główną różnicę w projektowaniu procesu.

Przeglądarka może odczytywać stronę i wykonywać interakcje. Agent jest elementem podejmującym decyzję, co zrobić dalej. Dostawca może udostępniać tylko infrastrukturę przeglądarkową, bibliotekę sterowania albo cały proces z udziałem modelu. Porównanie samych nazw produktów łatwo miesza te warstwy. Najpierw ustal, czy masz już własny kod i model, czy potrzebujesz również sposobu planowania działań.

Nie każda interaktywna strona wymaga swobodnie działającego agenta. Gdy przebieg jest stały, przewidywalny skrypt może być łatwiejszy do kontroli. Model pomaga tam, gdzie trzeba interpretować zmienny interfejs, ale wprowadza dodatkową zmienność. Warto ograniczyć jego rolę do decyzji, których nie da się rozsądnie opisać prostą regułą.

Browserbase: przeglądarka jako infrastruktura

Browserbase udostępnia środowisko przeglądarkowe dla aplikacji i agentów. Powiązany Stagehand jest otwartym projektem na licencji MIT. Sama usługa chmurowa jest osobnym produktem, z własnym planem i limitami. Rozróżnienie jest ważne: otwarta biblioteka sterowania nie oznacza bezpłatnego czasu działania hostowanych sesji.

Plan Free pokazuje godzinę przeglądarki oraz po 1000 operacji Search i Fetch. Developer kosztuje 20 USD miesięcznie, obejmuje 100 godzin przeglądarki, a dodatkowa godzina kosztuje 0,12 USD. Fetch ponad pulę ma stawkę 1 USD za 1000. Dodatkowa ekstrakcja lub proxy mogą mieć osobne koszty, dlatego ceny Fetch nie należy używać jako ceny dowolnego zadania wykonywanego przez agenta.

Taki model jest przydatny, gdy aplikacja potrzebuje zarządzanych sesji, ale logika zadania pozostaje po jej stronie. Przy wdrożeniu trzeba określić, kto otwiera sesję, kiedy ją zamyka i co dzieje się po błędzie. Proces, który zostawia niepotrzebnie uruchomioną przeglądarkę, może generować koszt mimo braku użytecznego postępu.

Browser Use i Steel: biblioteka, chmura, własne reguły

Browser Use ma otwartą bibliotekę na licencji MIT i ofertę chmurową. W cenniku chmury pojawia się 1 USD początkowego kredytu, przeglądarka za 0,02 USD na godzinę oraz proxy rezydencjalne za 5 USD na GB. W pracy agenta koszty modeli są powiększane o 20%. Te składniki trzeba liczyć łącznie dla wybranego sposobu wykonania, zamiast eksponować wyłącznie najtańszą godzinę przeglądarki.

Biblioteka daje możliwość budowy własnego procesu, ale wymaga świadomej konfiguracji modelu oraz otoczenia. Chmura ogranicza część utrzymania. To wybór miejsca odpowiedzialności, nie automatyczny dowód przewagi kosztowej. Zadanie wymagające wielu kroków może zużywać niewiele czasu przeglądarki, a dużo pracy modelu. Inne może długo czekać na stronę, przy niewielkiej liczbie decyzji.

Steel udostępnia chmurę oraz projekt Steel Browser na licencji Apache-2.0. Oferta startowa pokazuje jednorazowe 30 USD kredytu. W Launch przeglądarka kosztuje 0,10 USD na godzinę, proxy 10 USD na GB, a narzędzie /scrape 5 USD za 1000 wywołań. Saldo startowe nie jest miesięcznym abonamentem bez opłat. Również tutaj koszt sesji i koszt narzędzia pobierającego dane opisują różne operacje.

Wybór między tymi wariantami powinien wynikać z istniejącego projektu. Jeśli aplikacja ma własną logikę, potrzebuje głównie stabilnego środowiska. Jeśli dopiero powstaje sposób podejmowania decyzji, biblioteka agentowa może przyspieszyć prototyp. Jeżeli priorytetem jest kontrola infrastruktury, trzeba ocenić samodzielne wdrożenie i jego utrzymanie.

Kurs NBP z 21 października 2026 wynosi 3,8889 PLN za USD. Kwoty są pomocniczym przeliczeniem, bez VAT i przewalutowania. Nie stanowią porównania kosztu identycznego zadania, bo takiego pomiaru tutaj nie przeprowadzono.

Jak zaprojektować zadanie, które da się kontrolować?

Zadanie przeglądarkowe powinno mieć jasny stan końcowy. „Znajdź informację i podaj jej źródło” jest łatwiejsze do oceny niż nieograniczone „zrób research”. Jeśli agent ma używać filtrów, opisz zakres oraz oczekiwany wynik. Jeśli ma tylko czytać, nie potrzebuje uprawnień do publikowania lub zmiany danych. Ograniczenie zakresu ułatwia również wyjaśnienie błędu.

Przed uruchomieniem rozdziel czynności odwracalne od tych, które zmieniają dane lub coś wysyłają. Odczyt strony i zatwierdzenie formularza nie są równoważne. Przeglądarka może mieć dostęp do zalogowanej sesji, więc agent powinien otrzymać tylko taki zakres, jaki wynika z zadania. Samo powodzenie techniczne nie potwierdza poprawności działania w interesie użytkownika.

W dzienniku zachowuj istotne kroki, wynik i przyczynę zatrzymania. Nie ma potrzeby przechowywania każdego elementu interfejsu bez określonego celu. Ważniejsze jest to, czy można ustalić, jakie źródło zostało przeczytane i czy zadanie rzeczywiście zakończyło się sukcesem. W przypadku niepowodzenia dobrze mieć stan pozwalający odróżnić błąd strony od błędnej decyzji agenta.

• Ustal dozwolone adresy i cel końcowy.
• Ogranicz czas, budżet oraz możliwość ponawiania nieudanych działań.
• Zamykaj sesję również po błędzie.
• Sprawdź wynik na podstawie danych, a nie tylko deklaracji modelu o sukcesie.

MCP może udostępnić funkcje przeglądarki klientowi AI. Browserbase opisuje integrację MCP, Browser Use ma własny zdalny endpoint, a Steel publikuje przykład budowy serwera. To różne drogi wdrożenia. Oficjalny przykład kodu nie oznacza, że istnieje uniwersalny hostowany adres działający bez konfiguracji we wszystkich klientach.

Wybór narzędzia i sensowny test przed wdrożeniem

Porównaj produkty na tym samym zadaniu i z takim samym wynikiem końcowym. Zapisz użyty model, konfigurację proxy i czas aktywnej sesji. Oprócz kosztu sprawdź, czy agent doszedł do właściwej informacji, czy zachował źródło i czy nie wykonał działań poza zakresem. Sam fakt wyświetlenia odpowiedzi nie mówi, czy proces był poprawny.

Browserbase warto rozważyć jako zarządzaną infrastrukturę do własnej automatyzacji. Browser Use jako połączenie otwartej biblioteki i możliwości chmurowych. Steel jako wariant z otwartą przeglądarką i ofertą hostowaną. Bez wspólnego testu nie ma uczciwej podstawy do ogłoszenia najszybszego albo najtańszego rozwiązania. Dla prostego pobrania artykułu każde może też być narzędziem bardziej złożonym niż potrzeba.

Alternatywy dla prostego odczytu opisuje porównanie scraperów. Sposób udostępniania narzędzi modelowi wyjaśnia przewodnik MCP, a pełną mapę zastosowań hub o danych z sieci.

FAQ

Czy agent musi mieć przeglądarkę do czytania internetu?

Nie. Publiczny artykuł lub dane z API można często odczytać prostszym narzędziem. Przeglądarka staje się potrzebna, gdy znaczenie mają interakcje i stan sesji.

Czy najtańsza godzina oznacza najtańsze zadanie?

Nie. Rachunek może obejmować model, transfer, proxy i dodatkowe operacje. Liczy się koszt poprawnie ukończonego zadania przy określonej konfiguracji.

Czy wersja open source działa identycznie jak chmura?

Nie należy tego zakładać. Trzeba porównać funkcje, wymagania i sposób utrzymania. Licencja kodu oraz warunki usługi to osobne dokumenty.