Browser Agents 的「苦澀教訓」：從預定義狀態到直接 CDP 存取
為何重要
對開發者而言，這揭示了一個關鍵趨勢：隨著下一代模型（如 Kimi K3、Opus 系列）在程式碼與推理上的突破，過去依賴人為定義「狀態空間」的 Agent 設計正顯得過於沉重與僵化。「苦澀教訓」呼籲開發者回歸通用性，依賴強大的模型能力與原始介面（如 CDP）是避免業務邏輯爆炸的最佳解。對產業來說，這意味著疊加在 Playwright 等 Framework 上的封裝層將面臨重新被捨棄的機率，直接聯機底層協議成為競爭焦點。
作者回顧 Browser Use 團隊的技術路線演進，展示從依賴預先定義狀態與工具，進化到讓大模型直接透過 CDP 編寫程式碼與監控 UI 的過程。
- 為提高效率，團隊透過
browser_exec（源自Browser Use CLI）取代了原本 12 個瀏覽器工具，讓Opus 4.8的 token 使用量減少 60%，Kimi K3減少 66%。 - 修正後的
Opus 4.8與Kimi K3均成功解決全部 18 次測試執行（六個任務、三次執行）。 - 目前的 Strategy 讓模型直接存取 Chrome 的
CDP（Chrome DevTools Protocol）與現有 Harness，跳過預先定義的可點選元素清單，讓模型自行決定檢查 DOM 與截圖等需求。