Webwright: SOTAを達成したソフトウェアエンジニアリングスタイルのWebエージェントフレームワーク

概要

Microsoftが公開したWebwrightは、ブラウザ操作をPlaywrightスクリプトの生成と実行によって行う「code-as-action」アプローチにより、複雑で長期的なWebタスクでSOTAを達成した軽量フレームワークです。

詳細内容

Webwrightは、従来のWebエージェントが「ブラウザのページ状態を受け取り、次のクリックや入力を1ステップずつ予測する」手法を取っていたのに対し、エージェントに「ターミナル」を与えてPythonコード（Playwright）を書かせることでブラウザを制御する新しいアプローチを採用しています。これにより、動的なページの待機やループ処理といった複雑なロジックをコードとしてカプセル化でき、実行時の堅牢性と再現性が大幅に向上しました。性能面では、Mind2WebやOdysseysといったベンチマークでGPT-5.4等のモデルを用いて既存手法を凌駕するSOTAを記録しています。また、Claude Code、Codex、OpenClaw、Hermesといった既存のAIツールにプラグインとして統合できる柔軟性も備えており、約1,500行のPythonコードで構成されたミニマルな設計が特徴です。

元記事を読む他のサマリーを見る