Cómo dar un navegador a tus agentes con Managed Deep Agents
Los agentes de inteligencia artificial pueden ejecutar herramientas, trabajar con código y conectarse a diferentes servicios. Sin embargo, algunas tareas requieren interactuar directamente con una página web: abrir formularios, completar campos, pulsar botones o recorrer procesos que no están disponibles mediante una API. LangChain amplía estas posibilidades al incorporar un navegador a Managed Deep Agents, su sistema para construir y desplegar agentes en LangSmith sin administrar la infraestructura. Según el blog de LangChain, publicado el 29 de octubre de 2026, los agentes ahora pueden navegar por sitios web, interactuar con sus elementos, solicitar intervención humana para autenticarse y comprobar aplicaciones mediante pruebas de extremo a extremo. La integración también permite controlar cómo se comparten las sesiones del navegador y cuánto tiempo permanece activo cuando no se utiliza.
1. Crear browser.py y definir el navegador
La configuración comienza con un archivo llamado browser.py, ubicado en la raíz del proyecto. En este archivo se exporta un objeto denominado browser, creado con la función define_browser del paquete managed_deepagents:
# browser.py
from managed_deepagents import define_browser
browser = define_browser(
scope="thread",
idle_ttl_seconds=600,
)
La configuración utiliza dos parámetros principales: - scope="thread": asigna un navegador independiente a cada hilo de conversación. - idle_ttl_seconds=600: establece un período de inactividad de 600 segundos antes de detener el navegador. Con esta definición, el agente dispone de un entorno de navegación asociado al hilo y sujeto a un límite de inactividad.
2. Elegir el scope: thread o user
Managed Deep Agents ofrece dos modalidades para determinar cómo se distribuyen las sesiones entre los hilos. | Característica | scope="thread" | scope="user" | |---|---|---| | Asignación | Un navegador por hilo | Un navegador compartido por los hilos de un usuario identificado | | Ventanas | Cada hilo tiene su propia ventana | Cada hilo tiene su propia ventana | | Cookies y sesiones | Separadas entre hilos | Compartidas entre hilos del mismo usuario | | Inicio de sesión | Independiente para cada hilo | Una sesión iniciada en un hilo puede reutilizarse en otro posterior | | Configuración predeterminada | Sí | No |
Scope thread: aislamiento entre conversaciones
Con scope="thread", cada hilo recibe un navegador propio y una ventana nueva. Las cookies y las sesiones de otros hilos quedan separadas. Esto permite que las conversaciones funcionen de manera independiente, sin compartir el estado de autenticación del navegador. Es la modalidad predeterminada de Managed Deep Agents.
Scope user: sesiones compartidas para un mismo usuario
Con scope="user", los hilos pertenecientes a un usuario identificado comparten un navegador. Aunque cada hilo trabaja en su propia ventana, las cookies y el estado de sesión son comunes. Por ejemplo, si una persona inicia sesión en un sitio durante una conversación, un hilo posterior del mismo usuario puede aprovechar esa autenticación para continuar trabajando en la web.
3. Configurar el tiempo de inactividad con idle_ttl_seconds
El parámetro idle_ttl_seconds controla cuánto tiempo puede permanecer el navegador sin actividad antes de detenerse. Su valor predeterminado es 600 segundos, equivalentes a 10 minutos. Este mecanismo evita mantener un navegador activo y seguir pagando por recursos que no se están utilizando. El valor puede ajustarse en la definición del navegador, según el tiempo de inactividad que se quiera permitir.
4. Utilizar las herramientas snapshot, run y screenshot
Una vez incorporado el navegador, el agente dispone de herramientas para inspeccionar páginas, ejecutar acciones y obtener capturas visuales. | Herramienta | Función | |---|---| | browser_snapshot | Lee el árbol de accesibilidad de una página e identifica elementos interactivos mediante IDs | | browser_run | Ejecuta lotes de acciones como clics y rellenado de campos, además de JavaScript mediante un objeto page de estilo Playwright | | browser_screenshot | Obtiene una captura de la página tal como se renderiza | | browser_handoff | Transfiere temporalmente el control del navegador a una persona |
Leer la página con browser_snapshot
La herramienta browser_snapshot permite al agente examinar la estructura accesible del sitio. El resultado identifica elementos interactivos y les asigna IDs que facilitan su localización durante la navegación.
Ejecutar acciones con browser_run
La herramienta browser_run permite actuar sobre la página mediante grupos de operaciones. Entre las acciones disponibles están los clics y el rellenado de campos. También admite JavaScript utilizando un objeto page con una interfaz de estilo Playwright. Stagehand se encarga de traducir esas operaciones a sus comandos de navegación.
Inspeccionar el resultado con browser_screenshot
Con browser_screenshot, el agente obtiene una captura de la página renderizada. Las tres herramientas se complementan: una permite comprender la estructura de la página, otra interactuar con sus elementos y la tercera observar su apariencia visual.
5. Gestionar inicios de sesión mediante browser_handoff
Uno de los aspectos más importantes de la integración es la posibilidad de transferir el navegador a una persona cuando una tarea requiere autenticación. El mecanismo se llama browser_handoff y permite que el usuario intervenga directamente en el navegador que está utilizando el agente.
Cómo funciona el proceso de handoff
- El agente llega al inicio de sesión. Durante la navegación encuentra una página que requiere autenticación.
- Solicita intervención humana. El agente llama a browser_handoff e indica el motivo por el que necesita entregar el control.
- La persona recibe el navegador. LangSmith Studio presenta una tarjeta interactiva que permite utilizar el mismo navegador del agente.
- Se completa la autenticación. La persona introduce sus credenciales directamente en el navegador.
- Se devuelve el control. Después de iniciar sesión, pulsa el botón "Hand back".
- El agente continúa. La ejecución se reanuda con el navegador autenticado y la sesión disponible. La ventaja de este mecanismo es que la contraseña no necesita pasar por los mensajes del modelo. Según LangChain, este proceso también funciona automáticamente en canales de Managed Deep Agents como Slack.
Casos de uso: automatización web y pruebas end-to-end
La integración del navegador abre dos escenarios principales: ejecutar acciones en sitios que requieren interacción directa y comprobar aplicaciones completas desde una interfaz web.
Automatizar tareas que no están disponibles mediante una API
Una de las aplicaciones consiste en realizar operaciones que requieren navegar por páginas y completar procesos interactivos. Entre los ejemplos mencionados por LangChain están: - Reservar un vuelo. - Reservar una mesa en un restaurante. La distinción importante es el acceso a la funcionalidad: cuando un sitio dispone de una API para realizar la tarea, el agente debe utilizar esa API. El navegador permite cubrir las acciones para las que no existe esa vía.
Probar aplicaciones de principio a fin
El navegador también puede formar parte del trabajo de un agente de programación. En este escenario, un agente de código inicia una aplicación dentro de su sandbox, abre el formulario correspondiente en el navegador y comprueba el flujo completo. La aplicación no necesita disponer de una URL pública para participar en estas pruebas. Managed Deep Agents utiliza un puente de localhost que dirige las solicitudes del navegador hacia el puerto de la aplicación dentro del sandbox del agente. Un ejemplo es el puerto 5173. Este mecanismo conecta el entorno de ejecución del código con el navegador y permite realizar pruebas end-to-end sobre aplicaciones que se ejecutan localmente en el sandbox.
Cómo funciona el navegador por dentro
La arquitectura separa el entorno donde trabaja el agente del entorno donde se ejecuta el navegador. El navegador funciona en un sandbox de LangSmith independiente, conectado mediante un enlace privado al sandbox del agente. Esta comunicación permite que el navegador acceda a las aplicaciones que el agente ejecuta en su propio entorno. Las herramientas de navegación están construidas sobre Stagehand, el SDK de código abierto de Browserbase. Stagehand es también la capa que traduce las operaciones realizadas con el objeto page de estilo Playwright a comandos utilizados durante la navegación.
Resultados en WebVoyager: tasa de éxito y coste
LangChain evaluó la integración del navegador mediante 100 tareas de WebVoyager, un conjunto de actividades cotidianas realizadas en sitios web reales. De acuerdo con los resultados publicados, la integración de Managed Deep Agents completó correctamente el 90% de las tareas, con un coste total de 1,98 dólares. La evaluación incluyó siete conjuntos de herramientas. La integración obtuvo la mayor tasa de éxito, mientras que el servidor MCP de Browserbase alcanzó el resultado más cercano. | Métrica | Navegador de Managed Deep Agents | Servidor MCP de Browserbase | |---|---|---| | Evaluación | WebVoyager | WebVoyager | | Tasa de éxito | 90% | 89% | | Coste | 1,98 USD en total | 9 veces el coste de la integración de Managed Deep Agents | | Diferencia en tasa de éxito | Mayor tasa entre siete conjuntos evaluados | 1 punto porcentual menos |
La combinación de un 90% de tareas completadas y un coste total de 1,98 dólares es uno de los datos centrales del anuncio.
¿También funciona con Deep Agents de código abierto?
La navegación web también puede incorporarse a agentes construidos con la versión de código abierto de Deep Agents. En este caso, los desarrolladores pueden aportar su propio navegador, por ejemplo, mediante uno alojado en Browserbase. Así, la capacidad de navegación no queda limitada a los agentes desplegados mediante Managed Deep Agents, aunque la integración administrada descrita en esta guía corresponde a LangSmith.
En contexto
Según los datos citados por LangChain, DataDome observó que las solicitudes procedentes de navegadores agénticos se multiplicaron por 4,7 durante septiembre, un indicador del crecimiento de la actividad automatizada mediante navegadores.
