---
title: "Die besten KI-Browser-Agenten - 2026"
description: "Browser Use, Stagehand, Skyvern, Playwright MCP, Magnitude und Notte: Browser-Agenten 2026 im Vergleich nach Wahrnehmung, Kontrollschleife, Kosten und Lizenz."
url: https://proxynet.io/de/blog/best-ai-browser-agents-2026
date: 2026-10-07
author: "Acar Diveroli"
category: "Beste Anbieter, KI"
lang: de
---

# Die besten KI-Browser-Agenten - 2026

Wer jeden Morgen auf einem Lieferantenportal den Versandstatus von fünfzig Bestellungen prüft, stößt an die erste Wand, sobald er die Aufgabe einem Sprachmodell übergeben will: Das Modell hat keine API, die es aufrufen könnte, nur eine Webseite. Ein KI-Browser-Agent füllt diese Lücke. Er liest dem Modell die Seite vor, führt dessen Entscheidung „klicke auf diesen Button“ in einem echten Browser aus und zeigt dem Modell das Ergebnis. 2026 beantwortet jedes Framework, das dies tut, dieselbe Frage anders: Wie sieht das Modell die Seite?

In diesem Beitrag vergleichen wir sechs Open-Source-Frameworks, mit denen ein LLM eine Webseite bedienen kann: Browser Use, Stagehand, Skyvern, Playwright MCP, Magnitude und Notte, dazu ein kurzer Abschnitt zu den geschlossenen Agenten von OpenAI und Anthropic. Die Kriterien sind Seitenwahrnehmung, wer die Kontrollschleife besitzt, Token-Kosten, ob Sie Ihren eigenen Browser und Proxy mitbringen können, Sprache und Lizenz. Lizenzen und Sternzahlen haben wir am 7. Oktober 2026 aus den GitHub-Repositories abgelesen. Statt Installationsschritten verweisen wir auf die Integrationsanleitung des jeweiligen Frameworks.

> **Hinweis: Kurzantwort**
>
> Wenn Sie den kürzesten Weg zu einem funktionierenden Agenten in Python suchen, beginnen Sie mit Browser Use: Es liest die Seite aus dem DOM, steuert Chromium über CDP und nimmt den Proxy als einen einzigen Parameter entgegen. Wenn Sie die Kontrolle über den Code behalten und TypeScript schreiben wollen, sind die Schritte act, extract und observe von Stagehand berechenbarer. Auf Canvas-lastigen oder alten Oberflächen arbeiten Skyvern und Magnitude mit Screenshots. Wenn Sie bereits einen Agenten in Claude Code oder Cursor betreiben, ist Playwright MCP kein Framework, sondern ein Werkzeug, das Sie in diesen Agenten einstecken. Welches Sie auch wählen: Die IP des Agenten darf sich mitten in einer mehrstufigen Aufgabe nicht ändern; die Sticky-Residential-Sitzungen von Proxynet werden dem Browser über seinen Startparameter übergeben.

## Was ist ein KI-Browser-Agent?

Ein KI-Browser-Agent ist die Softwareschicht, die ein Sprachmodell eine Webseite sehen und darauf handeln lässt. Das Modell kann einen Browser nicht selbst bedienen; es nimmt Text entgegen und gibt Text aus. Das Agenten-Framework ist der Übersetzer dazwischen: Es wandelt die Seite in eine Form um, die das Modell versteht, macht aus der Entscheidung des Modells Klick-, Tipp- und Scrollbefehle und trägt das Ergebnis zurück zum Modell.

Die Schleife läuft in vier Schritten:

1. **Beobachten.** Das Framework erfasst den aktuellen Zustand der Seite: DOM, Accessibility-Baum oder Screenshot.
2. **Entscheiden.** Das Modell liest die Beobachtung und wählt die nächste Aktion: „Tippe die Bestellnummer in Feld 3.“
3. **Handeln.** Das Framework führt die Aktion im Browser aus, über Playwright oder das Chrome DevTools Protocol (CDP).
4. **Prüfen.** Der neue Seitenzustand wird erfasst; ist das Ziel nicht erreicht, beginnt die Schleife von vorn.

Die Unterschiede zwischen den Frameworks zeigen sich in diesen vier Schritten: was sie zeigen, wer entscheidet und welches Protokoll die Aktion ausliefert.

## Wie sieht der Agent die Seite?

Es gibt drei Methoden, und jede zieht Kosten, Genauigkeit und Robustheit in eine andere Richtung.

- **DOM-Extraktion.** Das Framework findet die interaktiven Elemente auf der Seite, nummeriert sie und übergibt dem Modell eine kurze Liste. Als Text ist das günstig und braucht kein Vision-Modell; auf Oberflächen, die auf einem Canvas gezeichnet werden, tut es sich schwer. Browser Use geht diesen Weg.
- **Accessibility-Baum.** Erfasst wird der Textbaum, den die Seite Screenreadern bereitstellt; jedes Element hat eine Rolle und einen Namen, dekorative Elemente fehlen. Playwright MCP nutzt diesen Snapshot, und Stagehand kürzt den Baum, bevor es ihn übergibt.
- **Screenshot.** Das Modell sieht die Seite wie ein Mensch und gibt eine Pixelkoordinate zurück. Das braucht ein Vision-Modell und verbrennt pro Schritt mehr Tokens, übersieht aber nichts, was das DOM verbergen könnte. Skyvern und Magnitude gehen diesen Weg.

Auf einem Standardformular und einer Tabelle ist eine textbasierte Methode günstig und stabil zugleich; bei Karten, Diagrammen oder eigens gezeichneten Komponenten führt kein Weg am Screenshot vorbei.

## Worauf achten Sie bei der Wahl eines Browser-Agenten?

- **Seitenwahrnehmung.** DOM, Accessibility-Baum oder Screenshot, gewählt nach der Art der Websites, auf denen Sie arbeiten werden.
- **Wer besitzt die Kontrollschleife?** In manchen Frameworks beschreiben Sie die Aufgabe, und das Modell wählt die Schritte; in anderen programmieren Sie jeden Schritt, und das Modell findet nur das Element. Das Erste ist flexibel, das Zweite berechenbar.
- **Token-Kosten.** Der Agent schickt dem Modell bei jedem Schritt die Seite. Eine Aufgabe mit zwanzig Schritten bedeutet zwanzig Seiten, und mit Screenshots wächst dieser Posten um ein Mehrfaches.
- **Eigener Browser und Proxy.** Akzeptiert das Framework Ihr lokales Chromium oder einen entfernten CDP-Endpunkt, und welcher Parameter nimmt den Proxy entgegen?
- **Sprache und Lizenz.** Python oder TypeScript; MIT und Apache oder AGPL und SSPL, die an die kommerzielle Nutzung Bedingungen knüpfen.

## Die 6 besten Open-Source-Frameworks für Browser-Agenten

### 1. Browser Use

Ein Python-Framework, MIT-lizenziert, 117.000 Sterne auf GitHub (Oktober 2026). Es extrahiert die Seite aus dem DOM, nummeriert die interaktiven Elemente und übergibt dem Modell eine Liste; `use_vision` fügt einen Screenshot hinzu. Den Browser steuert es direkt über CDP: ein lokales Chromium, das Chrome-Profil auf Ihrem System oder über `cdp_url` einen entfernten Browser. Neben dem eigenen Modell `bu-2-0` unterstützt es OpenAI, Anthropic, Google und über Ollama lokale Modelle; der Proxy geht als `ProxySettings(server, username, password, bypass)` hinein. Quellcode und Dokumentation liegen im [GitHub-Repository](https://github.com/browser-use/browser-use).

**Vorteile**

- Sie beschreiben die Aufgabe, das Modell wählt die Schritte; ein Prototyp sind zehn Zeilen Code
- Proxy mit Passwort in einem Parameter, die Zugangsdaten erreichen das Modell nie
- Jeder Modellanbieter, lokale Modelle eingeschlossen
- `allowed_domains` begrenzt, wohin der Agent gehen darf

**Nachteile**

- Dieselbe Aufgabe kann in zwei Durchläufen einen anderen Weg nehmen
- Auf schweren Seiten wächst die DOM-Liste und mit ihr die Token-Rechnung
- Schwach auf Canvas-Oberflächen, solange Screenshots nicht eingeschaltet sind

**Für wen:** Python-Teams, die eine Aufgabe beschreiben und das Ergebnis abholen wollen.

### 2. Stagehand (Browserbase)

SDKs für TypeScript, Python und Go, MIT-lizenziert, 25.000 Sterne auf GitHub (Oktober 2026). Auf eine API im Playwright-Stil (`goto`, `click`, `locator`) setzt es drei Schritte in natürlicher Sprache: `act` führt eine Aktion aus, `extract` liefert schemageprüfte Daten und `observe` liefert echte Selektoren. Die Seite überträgt es als gekürzten Accessibility-Baum. Es läuft mit einem lokalen Chrome oder in der Browserbase-Cloud; auf einem lokalen Browser können Sie einen Proxy-Server und eine Bypass-Liste setzen, Proxys mit Benutzername und Passwort werden heute nur auf der Browserbase-Seite unterstützt.

**Vorteile**

- Die Kontrollschleife gehört Ihnen: Jeder Schritt steht im Code und ist testbar
- `extract` liefert direkt typisierte Daten
- Eine API in drei Sprachen

**Nachteile**

- Kein Proxy mit Passwort auf einem lokalen Browser; IP-Whitelisting ist nötig
- Vollständig autonome Aufgaben brauchen mehr Code als mit Browser Use
- Cloud-Funktionen hängen an einem Browserbase-Konto

**Für wen:** TypeScript-Teams, die die Browserschritte im Code sehen wollen, und alle, die bestehende Playwright-Tests um KI erweitern.

### 3. Skyvern

Python, AGPL-3.0, 23.000 Sterne auf GitHub (Oktober 2026). Statt über XPath versteht es die Seite über eine Kombination aus Vision-Modell und DOM; nach eigenen Worten erfasst ein „Schwarm von Agenten“ die Website, plant und führt aus. Gebaut ist es für das Ausfüllen von Formularen und für Portalarbeit; es läuft selbst gehostet mit Docker Compose und unterstützt OpenAI, Anthropic, Gemini, Bedrock und Ollama. Ihren eigenen Browser binden Sie mit `BROWSER_TYPE=cdp-connect` und `BROWSER_REMOTE_DEBUGGING_URL` an, und der Proxy wird beim Start dieses Chrome gesetzt.

**Vorteile**

- Visuelle Wahrnehmung lässt es auf alten und komplexen Oberflächen arbeiten
- Workflow-Definitionen und eine Oberfläche, nicht nur eine Bibliothek
- Selbst gehostet auf Ihren eigenen Servern

**Nachteile**

- AGPL verpflichtet Sie zur Weitergabe des Quellcodes, wenn Sie es in ein Produkt einbetten
- Visuelle Schritte verbrauchen mehr Tokens
- Die Einrichtung mit Postgres und Oberfläche ist schwerer als bei den anderen

**Für wen:** Teams, die Formulare auf vielen Portalen ausfüllen und den Ablauf über eine visuelle Oberfläche verwalten.

### 4. Playwright MCP (Microsoft)

Ein Model-Context-Protocol-Server, Apache-2.0, 38.000 Sterne auf GitHub (Oktober 2026). Es ist ein Werkzeug, kein Agent: Die Kontrollschleife liegt im MCP-Client, sei es Claude Code, Cursor oder VS Code. Die Seite liefert es als Accessibility-Snapshot, ein Vision-Modell ist also nicht nötig; `--caps=vision` schaltet einen koordinatenbasierten Modus ein. Der Browser wird über Flags konfiguriert: `--proxy-server`, `--proxy-bypass`, `--cdp-endpoint`, `--isolated`, `--user-data-dir`. Einzelheiten stehen im [Playwright-MCP-Repository](https://github.com/microsoft/playwright-mcp).

**Vorteile**

- Steckt in fünf Minuten in dem Coding-Agenten, den Sie bereits nutzen
- Der Text-Snapshot ist schnell und günstig
- `--allowed-hosts` schränkt ein, wohin der Agent gehen darf

**Nachteile**

- Führt Aufgaben nicht allein aus; es braucht einen MCP-Client
- Ein Proxy mit Passwort lässt sich nicht übergeben, indem die Zugangsdaten in die Adresse eingebettet werden
- Nicht für lange autonome Aufgaben ausgelegt

**Für wen:** Entwickler, die einem Coding-Agenten Browserzugriff geben wollen.

### 5. Magnitude

TypeScript, Apache-2.0, 4.000 Sterne auf GitHub (Oktober 2026). Es nennt sich „vision-first“: Ein visuell verankertes Modell sieht die Seite an und liefert Pixelkoordinaten, ohne das DOM zu lesen. Empfohlen wird Claude Sonnet 4, auch Qwen-2.5VL 72B funktioniert. Weil es auf Playwright aufsetzt, kommt das Playwright-Feld `proxy` in `browser.launchOptions`, und `cdp` verbindet sich mit einem bereits geöffneten Browser. Das Team hat sein Gewicht auf eine Inferenz-Engine verlagert; der Browser-Agent läuft in einem eigenen Repository weiter.

**Vorteile**

- Arbeitet auf Oberflächen, die kein DOM haben oder es verbergen
- Playwright-Optionen werden direkt durchgereicht
- Eingebauter Test-Runner und visuelle Prüfungen

**Nachteile**

- Bei jedem Schritt ein Screenshot; mit die höchsten Token-Kosten auf der Liste
- Ein Modell mit Bildverständnis ist Pflicht
- Community und Dokumentation liegen hinter den ersten drei zurück

**Für wen:** Teams, die Canvas-basierte Anwendungen testen und visuelle Regressionstests fahren.

### 6. Notte

Ein Python-Framework mit Node-SDK, SSPL-1.0, 2.000 Sterne auf GitHub (Oktober 2026). Es führt die Seite durch eine Wahrnehmungsschicht: `observe` liefert den Seitenzustand in einer Form, die das Modell lesen kann, mit Aktionen, die über eine ID angesprochen werden, und `scrape` liefert strukturierte Daten. Lokal öffnen Sie `notte.Session()` mit Ihrem eigenen LLM-Schlüssel; in der Cloud läuft derselbe Code über `NotteClient`. Proxys werden mit `ExternalProxy(server, username, password)` gesetzt.

**Vorteile**

- Von lokal in die Cloud mit einer einzigen geänderten Import-Zeile
- Externer Proxy mit Passwort in einem Objekt
- Kompakte Seitenbeschreibungen sparen Tokens

**Nachteile**

- SSPL knüpft das Anbieten als Dienst an die Weitergabe des Quellcodes
- Kleine Community
- Manche Funktionen setzen ein Cloud-Konto voraus

**Für wen:** kleine Teams, die lokal beginnen und in der Cloud skalieren wollen.

## Geschlossene Agenten: ChatGPT-Agentenmodus und Claude computer use

Zwei geschlossene Produkte gehören nicht auf diese Liste, tauchen aber in jedem Vergleich auf. Operator, das OpenAI Anfang 2025 ankündigte, ging im Juli desselben Jahres im Agentenmodus von ChatGPT auf; der Agent läuft im virtuellen Browser von OpenAI, und einen eigenen Browser oder Proxy können Sie nicht mitbringen. Es ist ein Endnutzerprodukt, kein Framework.

Das computer-use-Werkzeug von Anthropic ist das Gegenteil: Claude nimmt einen Screenshot und liefert Maus- und Tastaturkoordinaten, aber Umgebung und Schleife betreiben Sie. Die aktuelle Version `computer_toolset_20260801` ist allgemein verfügbar, und die [offizielle Referenz](https://platform.claude.com/docs/en/agents-and-tools/tool-use/computer-use-tool) enthält eine Docker-basierte Beispielanwendung. Da der Browser in Ihrem Container lebt, übergeben Sie ihm den Proxy selbst, was es zur geschlossenen Option macht, die der Tabelle unten am nächsten kommt.

## Vergleichstabellen

Lizenzen und Sternzahlen stammen aus den GitHub-Repositories, Stand 7. Oktober 2026. „—“ markiert eine Funktion, die nicht existiert oder die wir nicht prüfen konnten.

### Seitenwahrnehmung und Kontrollschleife

| Framework | Wie es die Seite sieht | Schleife bei | Sprache |
|---|---|---|---|
| Browser Use | DOM + optionaler Screenshot | Modell | Python |
| Stagehand | Gekürzter Accessibility-Baum | Ihnen | TS, Python, Go |
| Skyvern | Vision + DOM | Modell | Python |
| Playwright MCP | Accessibility-Snapshot | MCP-Client | Node |
| Magnitude | Nur Screenshot | Modell | TypeScript |
| Notte | Wahrnehmungsschicht (Text) | Ihnen oder Modell | Python, Node |

### Lizenz und Community

| Framework | Lizenz | GitHub-Sterne | Eigener Browser |
|---|---|---|---|
| Browser Use | MIT | 117.000 | Lokal, System-Chrome, CDP |
| Playwright MCP | Apache-2.0 | 38.000 | Lokal, CDP |
| Stagehand | MIT | 25.000 | Lokaler Chrome, Browserbase |
| Skyvern | AGPL-3.0 | 23.000 | Lokal, CDP |
| Magnitude | Apache-2.0 | 4.000 | Playwright, CDP |
| Notte | SSPL-1.0 | 2.000 | Lokal, Notte-Cloud |

### Proxy und Kosten

| Framework | Wo der Proxy hinkommt | Proxy mit Passwort | Token-Kosten |
|---|---|---|---|
| Browser Use | `ProxySettings` | Ja | Mittel |
| Stagehand | Launch-Option | Nur Cloud | Niedrig |
| Skyvern | Chrome-Flag `--proxy-server` | Auf Chrome-Seite | Hoch |
| Playwright MCP | `--proxy-server` | Nicht in der Adresse | Niedrig |
| Magnitude | Playwright `proxy` | Ja | Hoch |
| Notte | `ExternalProxy` | Ja | Niedrig |

Die Token-Spalte ist relativ: Frameworks, die einen Text-Snapshot senden, geben pro Schritt wenig aus, Frameworks, die bei jedem Schritt einen Screenshot senden, viel. Die genaue Zahl hängt von Modell, Seite und Schrittzahl ab.

## Welcher Proxy für diese Agenten?

Die Ausgangs-IP des Agenten muss über die gesamte mehrstufige Aufgabe gleich bleiben. Das Portal, in dem Sie sich anmelden, oder der Shop, in dem Sie einen Warenkorb füllen, bindet die Sitzung an eine IP; ändert sich die IP im dritten Schritt, bricht die Sitzung ab, und der Agent beginnt von vorn. Deshalb nutzen Agentenaufgaben einen [Sticky-Proxy](https://proxynet.io/de/sticky-proxy): Dieselbe IP bleibt fest, bis die Aufgabe erledigt ist.

Auch die Art der IP zählt. Ein Agent, der die Preise, Lagerbestände oder Suchergebnisse eines Landes aus diesem Land heraus sehen muss, braucht einen [Residential-Proxy](https://proxynet.io/de/residential-proxy); eine Datacenter-IP zeigt einen anderen Preis oder bekommt die Seite gar nicht. In jedem Framework wird der Proxy über den Startparameter des Browsers übergeben: das Feld `proxy` bei Playwright-basierten Frameworks, das Flag `--proxy-server` bei einem über CDP gesteuerten Chrome. Alle Felder stehen in der [Netzwerkdokumentation von Playwright](https://playwright.dev/docs/network).

Die Einrichtungsschritte haben wir für jedes Framework einzeln beschrieben. Proxys mit Passwort über `ProxySettings` und die Prüfung der Ausgangs-IP in Browser Use stehen in [Browser Use mit Proxy](/de/blog/browser-use-proxy); die Flags von Playwright MCP und die Lösung für das Problem mit dem Passwort-Proxy im [Playwright-MCP-Leitfaden](/de/blog/playwright-mcp); die Playwright-Option `proxy`, auf der Stagehand und Magnitude aufsetzen, und ihre SOCKS5-Einschränkung im [Playwright-Proxy-Leitfaden](/de/blog/playwright-proxy).

Ein Proxy macht den Agenten nicht unsichtbar, und das soll er auch nicht. Wenn der Agent eine Website besucht, bleiben `robots.txt` und die Nutzungsbedingungen Ihre Verantwortung; sich in menschlichem Tempo zu bewegen, dasselbe Ziel mit einem Rate-Limit zu belegen und zuerst die offizielle API zu versuchen, macht den Agenten zuverlässiger. Einen Proxy zu nutzen, um Botschutz zu umgehen, ist nicht Thema dieses Beitrags.

## Häufige Fehler

- **Dieselbe Wahrnehmungsmethode für jede Website.** Screenshots auf einem Standardformular einzuschalten vervielfacht die Kosten; auf einem Canvas auf dem DOM zu bestehen lässt den Agenten blind.
- **Ein rotierender Proxy bei einer mehrstufigen Aufgabe.** Die Sitzung bricht ab, wenn sich die IP bei jeder Anfrage ändert; Aufgaben mit Anmeldung nutzen eine Sticky-Sitzung.
- **Kein Schrittlimit.** Ein Modell, das das Ziel nicht erreicht, bleibt in der Schleife und verbrennt Tokens; jedes Framework hat ein Limit wie `max_steps`.
- **Zugangsdaten im Prompt.** Proxy- und Website-Passwörter gehören in den Browserparameter oder eine Umgebungsvariable, nie zum Modell.
- **Keine Domain-Beschränkung.** Eine in einer Seite versteckte Anweisung kann den Agenten auf eine andere Website schicken; eine Liste erlaubter Domains verkleinert dieses Risiko.
- **Einbetten, ohne die Lizenz zu lesen.** AGPL und SSPL sind nicht dasselbe wie MIT.

## Welcher Agent für welche Aufgabe?

| Ihre Aufgabe | Empfehlung |
|---|---|
| Schneller Prototyp in Python | Browser Use |
| Testbarer Ablauf Schritt für Schritt | Stagehand |
| Formulare auf vielen Portalen | Skyvern |
| Browser für einen Coding-Agenten | Playwright MCP |
| Canvas und visuelle Regression | Magnitude |
| Erst lokal, später Cloud | Notte |

## Häufige Fragen

### Welcher ist 2026 der beste KI-Browser-Agent?

Es gibt keine einzige Antwort; es hängt von der Website und vom Team ab. Browser Use für schnelle Ergebnisse in Python, Stagehand für einen kontrollierten TypeScript-Ablauf, Skyvern oder Magnitude für visuelle Websites und Playwright MCP, um einem Coding-Agenten einen Browser zu geben.

### Was ist der Unterschied zwischen einem Browser-Agenten und Playwright?

Playwright ist eine Automatisierungsbibliothek, in der Sie jeden Schritt schreiben; ein Browser-Agent lässt ein Sprachmodell den Schritt wählen. Stagehand und Magnitude laufen auf Playwright, Browser Use steuert den Browser direkt über CDP.

### Braucht ein Browser-Agent ein Vision-Modell?

Nein. Browser Use, Stagehand, Playwright MCP und Notte übergeben die Seite als Text und arbeiten mit Textmodellen. Skyvern und Magnitude arbeiten mit Screenshots und brauchen ein Modell mit Bildverständnis.

### Wie viele Tokens verbraucht ein Browser-Agent?

So viele Seiten, wie er Schritte hat. Mit einem Text-Snapshot sind die Kosten pro Schritt niedrig; mit einem Screenshot sind sie um ein Mehrfaches höher, und die genaue Zahl hängt von Modell und Seite ab. Ein Schrittlimit setzt die Obergrenze der Kosten.

### Kann ich einem Browser-Agenten meinen eigenen Proxy geben?

Ja, in allen sechs Open-Source-Frameworks: die Option `proxy` bei den Playwright-basierten, das Flag `--proxy-server` bei einem über CDP gesteuerten Chrome. Der Agentenmodus von ChatGPT läuft im eigenen Browser und nimmt keinen Proxy an.

### Hält sich ein Browser-Agent an robots.txt?

Nicht von allein; keines der Frameworks erzwingt das. Sie beschränken die Domains, die der Agent besuchen darf, Sie setzen das Rate-Limit, und Sie stellen sicher, dass er die Regeln der Website befolgt.

## Fazit

Was Browser-Agenten 2026 unterscheidet, ist nicht das Modell, sondern wie sie dem Modell die Seite zeigen und wem sie die Kontrolle überlassen: DOM und Accessibility-Baum sind günstig und stabil, Screenshots teuer, funktionieren aber auf jeder Oberfläche. Testen Sie das Framework auf Ihren eigenen Websites mit einer Aufgabe aus fünf Schritten; Token-Rechnung und Erfolgsquote sagen, was die Tabellen nicht sagen können. Wenn Ihr Agent in eine mehrstufige Aufgabe startet und eine Sitzung mit fester IP braucht, sehen Sie sich [unsere Proxy-Dienste](/de/proxy) an.