--- title: "Los mejores agentes de navegador con IA - 2026" description: "Browser Use, Stagehand, Skyvern, Playwright MCP, Magnitude y Notte: agentes de navegador 2026 comparados por percepción de página, control, costo y licencia." url: https://proxynet.io/es/blog/best-ai-browser-agents-2026 date: 2026-10-07 author: "Acar Diveroli" category: "Los mejores, IA" lang: es --- # Los mejores agentes de navegador con IA - 2026 Quien comprueba cada mañana el estado de envío de cincuenta pedidos en el portal de un proveedor se topa con el primer muro en cuanto intenta pasarle la tarea a un modelo de lenguaje: el modelo no tiene una API a la que llamar, solo una página web. Un agente de navegador con IA llena ese hueco. Le lee la página al modelo, ejecuta en un navegador real su decisión de «haz clic en ese botón» y le muestra el resultado. En 2026, todos los frameworks que hacen esto responden de forma distinta a la misma pregunta: ¿cómo ve el modelo la página? En este artículo comparamos seis frameworks de código abierto que permiten a un LLM usar una página web: Browser Use, Stagehand, Skyvern, Playwright MCP, Magnitude y Notte, con una sección breve sobre los agentes cerrados de OpenAI y Anthropic. Los criterios son la percepción de la página, quién tiene el bucle de control, el costo en tokens, si puedes traer tu propio navegador y proxy, el lenguaje y la licencia. Las licencias y el número de estrellas se leyeron en los repositorios de GitHub el 7 de octubre de 2026. En lugar de pasos de instalación, remitimos a la guía de integración de cada framework. > **Nota: Respuesta breve** > > Si quieres el camino más corto hasta un agente que funcione en Python, empieza con Browser Use: lee la página desde el DOM, maneja Chromium por CDP y recibe el proxy en un solo parámetro. Si quieres mantener el control del código y escribir TypeScript, los pasos act, extract y observe de Stagehand son más predecibles. En interfaces con mucho canvas o heredadas, Skyvern y Magnitude trabajan a partir de capturas de pantalla. Si ya ejecutas un agente dentro de Claude Code o Cursor, Playwright MCP no es un framework, sino una herramienta que conectas a ese agente. Elijas el que elijas, la IP del agente no debe cambiar a mitad de una tarea de varios pasos; las sesiones residenciales fijas (sticky) de Proxynet se entregan al navegador a través de su parámetro de arranque. ## ¿Qué es un agente de navegador con IA? Un agente de navegador con IA es la capa de software que permite a un modelo de lenguaje ver una página web y actuar sobre ella. El modelo no puede usar un navegador por sí solo; recibe texto y devuelve texto. El framework del agente es el traductor intermedio: convierte la página a una forma que el modelo entiende, transforma la decisión del modelo en órdenes de clic, escritura y desplazamiento, y devuelve el resultado al modelo. El bucle se ejecuta en cuatro pasos: 1. **Observar.** El framework captura el estado actual de la página: DOM, árbol de accesibilidad o captura de pantalla. 2. **Decidir.** El modelo lee la observación y elige la siguiente acción: «escribe el número de pedido en el campo 3». 3. **Actuar.** El framework ejecuta la acción en el navegador a través de Playwright o del Chrome DevTools Protocol (CDP). 4. **Verificar.** Se captura el nuevo estado de la página; si no se alcanzó el objetivo, el bucle vuelve a empezar. Las diferencias entre frameworks aparecen en estos cuatro pasos: qué muestran, quién decide y qué protocolo entrega la acción. ## ¿Cómo ve el agente la página? Hay tres métodos, y cada uno tira del costo, la precisión y la resistencia en una dirección distinta. - **Extracción del DOM.** El framework encuentra los elementos interactivos de la página, los numera y le entrega al modelo una lista corta. Al ser texto, es barato y no necesita un modelo de visión; sufre en interfaces dibujadas sobre canvas. Browser Use sigue este camino. - **Árbol de accesibilidad.** Se captura el árbol de texto que la página expone a los lectores de pantalla; cada elemento tiene un rol y un nombre, y los elementos decorativos no aparecen. Playwright MCP usa esta instantánea, y Stagehand poda el árbol antes de entregarlo. - **Captura de pantalla.** El modelo ve la página como la vería una persona y devuelve una coordenada en píxeles. Necesita un modelo de visión y gasta más tokens por paso, pero no se le escapa nada de lo que el DOM pueda ocultar. Skyvern y Magnitude siguen este camino. En un formulario y una tabla estándar, un método basado en texto es barato y estable a la vez; en mapas, gráficos o componentes dibujados a medida, no hay forma de evitar las capturas de pantalla. ## ¿En qué fijarte al elegir un agente de navegador? - **Percepción de la página.** DOM, árbol de accesibilidad o captura de pantalla, según el tipo de sitios en los que vas a trabajar. - **¿Quién tiene el bucle de control?** En algunos frameworks describes la tarea y el modelo elige los pasos; en otros programas cada paso y el modelo solo localiza el elemento. El primero es flexible; el segundo, predecible. - **Costo en tokens.** El agente envía la página al modelo en cada paso. Una tarea de veinte pasos son veinte páginas, y con capturas de pantalla esa partida se multiplica varias veces. - **Tu propio navegador y proxy.** ¿El framework acepta tu Chromium local o un punto de conexión CDP remoto, y qué parámetro recibe el proxy? - **Lenguaje y licencia.** Python o TypeScript; MIT y Apache, o AGPL y SSPL, que ponen condiciones al uso comercial. ## Los 6 mejores frameworks de código abierto para agentes de navegador ### 1. Browser Use Un framework de Python con licencia MIT y 117 mil estrellas en GitHub (octubre de 2026). Extrae la página del DOM, numera los elementos interactivos y le entrega al modelo una lista; `use_vision` añade una captura de pantalla. Maneja el navegador directamente por CDP: un Chromium local, el perfil de Chrome de tu sistema o un navegador remoto a través de `cdp_url`. Junto a su propio modelo `bu-2-0` admite OpenAI, Anthropic, Google y modelos locales a través de Ollama; el proxy entra como `ProxySettings(server, username, password, bypass)`. El código y la documentación están en el [repositorio de GitHub](https://github.com/browser-use/browser-use). **Ventajas** - Describes la tarea y el modelo elige los pasos; un prototipo son diez líneas de código - Proxy autenticado en un solo parámetro, sin que las credenciales lleguen al modelo - Cualquier proveedor de modelos, incluidos los modelos locales - `allowed_domains` limita adónde puede ir el agente **Desventajas** - La misma tarea puede seguir una ruta distinta en dos ejecuciones - En páginas pesadas la lista del DOM crece y con ella la factura de tokens - Flojo en interfaces canvas si no se activan las capturas de pantalla **Para quién:** equipos de Python que quieren describir una tarea y recoger el resultado. ### 2. Stagehand (Browserbase) SDK para TypeScript, Python y Go, licencia MIT, 25 mil estrellas en GitHub (octubre de 2026). Sobre una API al estilo de Playwright (`goto`, `click`, `locator`) añade tres pasos en lenguaje natural: `act` ejecuta una acción, `extract` devuelve datos validados con un esquema y `observe` devuelve selectores reales. Transporta la página como un árbol de accesibilidad podado. Funciona con un Chrome local o en la nube de Browserbase; en un navegador local puedes fijar un servidor proxy y una lista de exclusión, mientras que los proxies con usuario y contraseña hoy solo se admiten en el lado de Browserbase. **Ventajas** - El bucle de control es tuyo: cada paso está en el código y se puede probar - `extract` devuelve datos tipados directamente - Una sola API en tres lenguajes **Desventajas** - Sin proxy autenticado en un navegador local; hace falta lista de IP autorizadas - Las tareas totalmente autónomas requieren más código que con Browser Use - Las funciones en la nube dependen de una cuenta de Browserbase **Para quién:** equipos de TypeScript que quieren ver los pasos del navegador en el código, y quienes añaden IA a pruebas de Playwright existentes. ### 3. Skyvern Python, AGPL-3.0, 23 mil estrellas en GitHub (octubre de 2026). En lugar de XPath, entiende la página combinando un modelo de visión con el DOM; en sus propias palabras, un «enjambre de agentes» comprende el sitio, planifica y ejecuta. Está hecho para rellenar formularios y trabajar con portales; se autoaloja con Docker Compose y admite OpenAI, Anthropic, Gemini, Bedrock y Ollama. Conectas tu propio navegador con `BROWSER_TYPE=cdp-connect` y `BROWSER_REMOTE_DEBUGGING_URL`, y el proxy se fija al arrancar ese Chrome. **Ventajas** - La percepción visual lo hace funcionar en interfaces heredadas y complejas - Definiciones de flujo de trabajo y una interfaz, no solo una biblioteca - Autoalojado en tus propios servidores **Desventajas** - La AGPL te obliga a compartir el código si lo integras en un producto - Los pasos visuales consumen más tokens - La instalación, con Postgres y la interfaz, es más pesada que la de los demás **Para quién:** equipos que rellenan formularios en muchos portales y gestionan el flujo desde una interfaz visual. ### 4. Playwright MCP (Microsoft) Un servidor de Model Context Protocol, Apache-2.0, 38 mil estrellas en GitHub (octubre de 2026). Es una herramienta, no un agente: el bucle de control vive en el cliente MCP, ya sea Claude Code, Cursor o VS Code. Entrega la página como una instantánea de accesibilidad, así que no hace falta un modelo de visión; `--caps=vision` activa un modo basado en coordenadas. El navegador se configura con flags: `--proxy-server`, `--proxy-bypass`, `--cdp-endpoint`, `--isolated`, `--user-data-dir`. Los detalles están en el [repositorio de Playwright MCP](https://github.com/microsoft/playwright-mcp). **Ventajas** - Se conecta en cinco minutos al agente de programación que ya usas - La instantánea de texto es rápida y barata - `--allowed-hosts` restringe adónde puede ir el agente **Desventajas** - No ejecuta tareas por sí solo; necesita un cliente MCP - Un proxy autenticado no se puede pasar incrustando las credenciales en la dirección - No está diseñado para tareas autónomas largas **Para quién:** desarrolladores que quieren dar acceso a un navegador a un agente de programación. ### 5. Magnitude TypeScript, Apache-2.0, 4 mil estrellas en GitHub (octubre de 2026). Se define como «vision-first»: un modelo con anclaje visual mira la página y devuelve coordenadas en píxeles, sin leer el DOM. Se recomienda Claude Sonnet 4 y también funciona Qwen-2.5VL 72B. Como se apoya en Playwright, el campo `proxy` de Playwright va en `browser.launchOptions`, y `cdp` se conecta a un navegador ya abierto. El equipo ha desplazado su peso hacia un motor de inferencia; el agente de navegador continúa en un repositorio aparte. **Ventajas** - Funciona en interfaces que no tienen DOM o lo ocultan - Las opciones de Playwright pasan directamente - Ejecutor de pruebas integrado y aserciones visuales **Desventajas** - Una captura de pantalla en cada paso; de los costos en tokens más altos de la lista - Es obligatorio un modelo con capacidad de visión - La comunidad y la documentación van por detrás de los tres primeros **Para quién:** equipos que prueban aplicaciones basadas en canvas y hacen regresión visual. ### 6. Notte Un framework de Python con SDK para Node, SSPL-1.0, 2 mil estrellas en GitHub (octubre de 2026). Pasa la página por una capa de percepción: `observe` devuelve el estado de la página en una forma que el modelo puede leer, con acciones identificadas por ID, y `scrape` devuelve datos estructurados. En local abres `notte.Session()` con tu propia clave de LLM; en la nube el mismo código corre a través de `NotteClient`. Los proxies se configuran con `ExternalProxy(server, username, password)`. **Ventajas** - De local a la nube con un solo cambio de import - Proxy externo autenticado en un solo objeto - Las descripciones compactas de la página ahorran tokens **Desventajas** - La SSPL condiciona ofrecerlo como servicio a compartir el código - Comunidad pequeña - Algunas funciones requieren una cuenta en la nube **Para quién:** equipos pequeños que empiezan en local y planean escalar en la nube. ## Agentes cerrados: el modo agente de ChatGPT y computer use de Claude Dos productos cerrados no pertenecen a esta lista, pero salen en todas las comparaciones. Operator, que OpenAI anunció a principios de 2025, se integró en el modo agente de ChatGPT en julio de ese mismo año; el agente corre en el navegador virtual de OpenAI, y no puedes traer tu propio navegador ni tu proxy. Es un producto para usuario final, no un framework. La herramienta computer use de Anthropic es lo contrario: Claude toma una captura de pantalla y devuelve coordenadas de ratón y teclado, pero el entorno y el bucle los ejecutas tú. La versión actual, `computer_toolset_20260801`, está disponible de forma general, y la [referencia oficial](https://platform.claude.com/docs/en/agents-and-tools/tool-use/computer-use-tool) incluye una aplicación de ejemplo basada en Docker. Como el navegador vive en tu contenedor, le entregas el proxy tú mismo, lo que la convierte en la opción cerrada más cercana a la tabla de abajo. ## Tablas comparativas Las licencias y el número de estrellas proceden de los repositorios de GitHub, a 7 de octubre de 2026. «—» marca una función que no existe o que no pudimos verificar. ### Percepción de la página y bucle de control | Framework | Cómo ve la página | Dueño del bucle | Lenguaje | |---|---|---|---| | Browser Use | DOM + captura opcional | Modelo | Python | | Stagehand | Árbol de accesibilidad podado | Tú | TS, Python, Go | | Skyvern | Visión + DOM | Modelo | Python | | Playwright MCP | Instantánea de accesibilidad | Cliente MCP | Node | | Magnitude | Solo captura de pantalla | Modelo | TypeScript | | Notte | Capa de percepción (texto) | Tú o el modelo | Python, Node | ### Licencia y comunidad | Framework | Licencia | Estrellas en GitHub | Tu propio navegador | |---|---|---|---| | Browser Use | MIT | 117 mil | Local, Chrome del sistema, CDP | | Playwright MCP | Apache-2.0 | 38 mil | Local, CDP | | Stagehand | MIT | 25 mil | Chrome local, Browserbase | | Skyvern | AGPL-3.0 | 23 mil | Local, CDP | | Magnitude | Apache-2.0 | 4 mil | Playwright, CDP | | Notte | SSPL-1.0 | 2 mil | Local, nube de Notte | ### Proxy y costo | Framework | Dónde va el proxy | Proxy autenticado | Costo en tokens | |---|---|---|---| | Browser Use | `ProxySettings` | Sí | Medio | | Stagehand | Opción de arranque | Solo en la nube | Bajo | | Skyvern | Flag `--proxy-server` de Chrome | En el lado de Chrome | Alto | | Playwright MCP | `--proxy-server` | No en la dirección | Bajo | | Magnitude | `proxy` de Playwright | Sí | Alto | | Notte | `ExternalProxy` | Sí | Bajo | La columna de tokens es relativa: los frameworks que envían una instantánea de texto gastan poco por paso, y los que envían una captura de pantalla en cada paso gastan mucho. La cifra exacta depende del modelo, la página y el número de pasos. ## ¿Qué proxy para estos agentes? La IP de salida del agente debe mantenerse igual durante toda una tarea de varios pasos. El portal en el que inicias sesión o la tienda en la que llenas un carrito atan la sesión a una IP; si la IP cambia en el tercer paso, la sesión se cae y el agente empieza de nuevo. Por eso las tareas de agente usan [Proxies de sesión fija](https://proxynet.io/es/sticky-proxy): la misma IP se mantiene fija hasta que el trabajo termina. El tipo de IP también importa. Un agente que tiene que ver los precios, el stock o los resultados de búsqueda de un país desde dentro de ese país necesita [Proxies residenciales](https://proxynet.io/es/residential-proxy); una IP de centro de datos muestra otro precio o directamente no recibe la página. En todos los frameworks el proxy se entrega a través del parámetro de arranque del navegador: el campo `proxy` en los frameworks basados en Playwright, el flag `--proxy-server` en un Chrome manejado por CDP. El conjunto completo de campos está en la [documentación de red de Playwright](https://playwright.dev/docs/network). Escribimos los pasos de configuración por separado para cada framework. Los proxies autenticados con `ProxySettings` y la comprobación de la IP de salida en Browser Use están en [Browser Use con proxy](/es/blog/browser-use-proxy); los flags de Playwright MCP y la solución al problema del proxy autenticado, en la [guía de Playwright MCP](/es/blog/playwright-mcp); la opción `proxy` de Playwright sobre la que se apoyan Stagehand y Magnitude, y su limitación con SOCKS5, en la [guía de proxy para Playwright](/es/blog/playwright-proxy). Un proxy no hace invisible al agente, y no debería hacerlo. Cuando el agente visita un sitio, `robots.txt` y las condiciones de uso siguen siendo tu responsabilidad; moverse a velocidad humana, limitar la tasa de peticiones al mismo destino y probar primero la API oficial hacen que el agente sea más fiable. Usar un proxy para sortear la protección contra bots no es el tema de este artículo. ## Errores frecuentes - **El mismo método de percepción para todos los sitios.** Activar capturas de pantalla en un formulario estándar multiplica el costo; insistir en el DOM sobre un canvas deja ciego al agente. - **Un proxy rotativo en una tarea de varios pasos.** La sesión se cae cuando la IP cambia en cada petición; las tareas que requieren inicio de sesión usan una sesión fija. - **Sin límite de pasos.** Un modelo que no logra alcanzar el objetivo se queda en el bucle y quema tokens; todos los frameworks tienen un límite como `max_steps`. - **Credenciales en el prompt.** Las contraseñas del proxy y del sitio van en el parámetro del navegador o en una variable de entorno, nunca al modelo. - **Sin restricción de dominios.** Una instrucción oculta en una página puede mandar al agente a otro sitio; una lista de dominios permitidos reduce ese riesgo. - **Integrar sin leer la licencia.** AGPL y SSPL no son lo mismo que MIT. ## ¿Qué agente para cada trabajo? | Tu trabajo | Recomendado | |---|---| | Prototipo rápido en Python | Browser Use | | Flujo paso a paso y comprobable | Stagehand | | Formularios en muchos portales | Skyvern | | Añadir un navegador a un agente de programación | Playwright MCP | | Canvas y regresión visual | Magnitude | | Primero local, luego la nube | Notte | ## Preguntas frecuentes ### ¿Cuál es el mejor agente de navegador con IA en 2026? No hay una sola respuesta; depende del sitio y del equipo. Browser Use para resultados rápidos en Python, Stagehand para un flujo controlado en TypeScript, Skyvern o Magnitude para sitios visuales y Playwright MCP para añadir un navegador a un agente de programación. ### ¿Qué diferencia hay entre un agente de navegador y Playwright? Playwright es una biblioteca de automatización en la que escribes cada paso; un agente de navegador deja que un modelo de lenguaje elija el paso. Stagehand y Magnitude corren sobre Playwright, mientras que Browser Use maneja el navegador directamente por CDP. ### ¿Un agente de navegador necesita un modelo de visión? No. Browser Use, Stagehand, Playwright MCP y Notte entregan la página como texto y funcionan con modelos de texto. Skyvern y Magnitude trabajan a partir de capturas de pantalla y necesitan un modelo con capacidad de visión. ### ¿Cuántos tokens consume un agente de navegador? Tantas páginas como pasos tenga. Con una instantánea de texto el costo por paso es bajo; con una captura de pantalla es varias veces mayor, y la cifra exacta depende del modelo y de la página. Un límite de pasos fija el techo del costo. ### ¿Puedo darle mi propio proxy a un agente de navegador? Sí, en los seis frameworks de código abierto: la opción `proxy` en los basados en Playwright, el flag `--proxy-server` en un Chrome manejado por CDP. El modo agente de ChatGPT corre en su propio navegador y no acepta proxy. ### ¿Un agente de navegador respeta robots.txt? No por sí solo; ninguno de los frameworks lo impone. Tú restringes los dominios que el agente puede visitar, tú fijas el límite de tasa y tú te aseguras de que siga las reglas del sitio. ## En resumen Lo que separa a los agentes de navegador en 2026 no es el modelo, sino cómo le muestran la página al modelo y a quién dejan el control: el DOM y el árbol de accesibilidad son baratos y estables; las capturas de pantalla son caras, pero funcionan en cualquier interfaz. Prueba el framework en tus propios sitios con una tarea de cinco pasos; la factura de tokens y la tasa de éxito dicen lo que las tablas no pueden decir. Cuando tu agente se meta en una tarea de varios pasos y necesite una sesión con IP fija, echa un vistazo a [nuestros servicios de proxy](/es/proxy).