Webwright – 微软开源的终端原生网页智能体开发框架

Webwright 是一款由微软研究院于 2026 年 5 月开源发布、同年 10 月更名为 CUAWright 的终端原生网页与桌面智能体框架，主要用于让编程模型在终端里编写并执行浏览器自动化脚本，支持写 Playwright 代码、跑 bash 命令与看日志自查，适用于网页数据采集、回归测试与重复性后台操作等场景。

Webwright 的核心能力

Webwright 的出发点和多数网页智能体相反：不给模型一套封装好的点击接口，而是让它自己写代码、自己跑、自己看报错。以下三点是这条路走得通的前提。

把终端当成动作空间

在浏览器脚本执行模式下，模型不再局限于逐次预测点击与输入，而是通过终端生成并执行 Playwright 脚本，结合命令行输出、截图与运行日志检查结果，再根据报错调整代码。相比逐步预测页面动作，这种方式更容易把复杂操作组合成可复用程序；仓库另有 Live-browser 模式，并非所有运行方式都会生成独立脚本。它明确面向「编程模型」而不是通用对话模型。

两个运行时整合进同一项目

2026 年 10 月的更名把两条腿并到同一项目体系：浏览器运行时 cuawright.webwright 走 Playwright，桌面运行时 cuawright.desktop 跑在 OSWorld-V2 Ubuntu 虚拟机中，用 CDP、xdotool 与键鼠能力执行桌面任务。两者不是共用一套 Playwright 接口，也不是同一个执行环境；原有 webwright 命令与 Python 导入保持兼容，已有集成方不必重写接入层。

不绑定模型供应商

浏览器运行时支持 OpenAI、Anthropic 与 OpenRouter 三类入口，按成本与效果更换即可；桌面端要求 Responses API 兼容的模型接口，可通过接口地址配置其他兼容服务，两者的接入方式并不完全一致。框架本身不训练模型，价值在把终端、浏览器、日志这圈闭环搭好。

成绩来自工程改进而非换模型

官方 News 记录 2026 年 9 月 1 日的更新：加入逐步浏览的持久化与原生 run_command 工具调用后，配合 GPT-5.4 在 Online-Mind2Web 达到 88.1％、Odysseys 达到 77.5％。这是特定模型结合框架后的基准成绩，不是框架脱离模型独立实现的准确率。同一思路的终端型工具可对照站内 cmux。

Webwright 与同类网页自动化方案的对比

下表从形态、动作空间、模型依赖与部署方式等维度，把三款网页自动化产品放在一起对照。

• 表格内数据来源：Webwright 取仓库 README 的 News 记录与项目页；Page Agent 取阿里官方发布说明，Command Code 取产品官方站点与仓库；未公开的项标注「以官方说明为准」，不作推测。
• 产品对比简述：Webwright 在动作空间上选择写脚本而非点页面，因此模型依赖更强但脚本可复用；Page Agent 的部署方式是嵌进自有网页；Command Code 的典型用途日常编码而非网页批量任务。三者在桌面任务一栏差异最大。

如果更想要一个开箱即用的浏览器产品而不是自己搭框架，站内的 Ego Lite 是另一种取舍。

Webwright 的应用场景与适用人群

适合「流程固定但要反复跑、且页面经常改」的任务；一次性、页面简单的操作，用现成的浏览器插件更快：

• 数据采集：让模型自己写抓取脚本；页面结构变化导致执行失败时，可根据新的页面状态与报错尝试调整代码，但不保证所有改版场景都能自动修复。
• 回归测试：把关键路径写成脚本反复跑，失败时读日志定位是哪一步断了。
• 重复后台操作：批量填表、批量下载，用脚本固化下来避免每次重新点。
• 桌面任务：在 Ubuntu 虚拟机里跑需要图形界面的操作，与浏览器任务共用一套入口。

适用人群：适合有 Python 环境、愿意自己调框架的工程与测试团队，也适合需要把浏览器自动化长期维护下去的团队；不想碰命令行、只偶尔跑一次网页操作的用户，装个现成插件更省事。桌面端的智能体管理工具可对照站内 EchoBird。

Webwright 的使用方法

三条路径：当命令行工具用、当插件挂到现有编程助手上、或者当 Python SDK 嵌进自己的系统。

命令行：装完直接跑任务

1. 按 仓库 README 的说明准备环境，用 pip 安装。
2. 浏览器任务用 cuawright web，桌面任务用 cuawright desktop；旧命令 webwright 仍然可用。
3. 第一次先用一个简单任务验证浏览器能被拉起，再换真实目标页面。

插件模式：挂到已有编程助手上

1. 在 Claude Code、Codex 等助手里按 README 的插件章节安装对应技能。
2. 把任务描述成「打开某页面并完成某操作」，让助手自己写脚本执行。
3. 遇到反复失败的任务，把日志留档，作为后续改提示或加约束的依据。

SDK 调用：Python 里嵌进自有系统

1. import cuawright.webwright，按文档初始化配置并指定模型后端与密钥。
2. 把业务步骤拆成可重试的单元，每步执行后校验结果再进入下一步。
3. 对涉及提交、支付的动作加人工确认，不要让它无人值守地跑不可逆流程。

三点要留意：桌面任务需通过 Docker 配置 OSWorld-V2 Ubuntu 虚拟机并准备任务与资源快照，还要求 Python 3.12+ 与受限资源访问权限，不是装上浏览器依赖就默认可用；模型后端要自备密钥，成本随任务步数上涨；页面改版后脚本可能静默失效，建议给关键步骤加断言而不是只看有没有跑完。

Webwright 的项目地址

• 项目页：https://microsoft.github.io/CUAWright/
• GitHub 仓库：https://github.com/microsoft/webwright

Webwright 的价格方案

框架以 MIT 开源的是浏览器运行时，桌面运行时采用 Apache-2.0；软件本身不收费，真正的支出在两处：模型调用与运行环境。

模型侧按所选后端计费，换后端就换账单。任务越长、步骤越多，token 消耗越高；官方 News 里的成绩提升有一部分正来自减少无效步骤，这直接影响费用。

环境侧的支出常被忽略：桌面任务要一台能跑 Ubuntu 虚拟机的机器，浏览器任务也要能常驻的实例。若只是偶尔使用，本地跑最省；长期定时采集则要按实例成本估算。同类终端型工具的报价口径可按同样方式折算。

Webwright 的常见问题