Written with AI assistance from the source video. The video is the authority.
Log in to leave a comment
No posts yet
Los agentes de navegador como Cursor o GrokBot son opciones atractivas para desarrolladores que trabajan solos. Se encargan automáticamente de revisar paneles externos o supervisar a la competencia, tareas en las que da pereza hacer clic uno por uno.
El problema surge cuando esta herramienta se vincula directamente con la sesión del navegador de tu máquina host. Si sufres una inyección de promesas indirecta (Indirect Prompt Injection) al rastrear una página web no confiable, las cookies de sesión y los tokens de autenticación que quedaron en el almacenamiento local se filtrarán directamente a un servidor externo. A esto se le suma que, si el agente no encuentra los elementos del DOM y comienza a repetir la misma solicitud sin fin, al despertar por la mañana te enfrentarás a una factura de API de cientos de dólares.
Hay que abandonar la expectativa de que un prompt en lenguaje natural resolverá las excepciones por sí solo. Es mucho más seguro aislar físicamente el propio entorno de ejecución y colocar mecanismos de seguridad para evitar que el dinero y el tiempo se desvíen.
El perfil de navegador que utiliza el agente debe separarse por completo del entorno que usas para trabajar. A partir de la versión 136 de Chromium, los estándares de aislamiento se han vuelto más estrictos, bloqueando la conexión de depuración remota al directorio de datos de usuario predeterminado (--user-data-dir).
Debes desactivar el subsistema de credenciales predeterminado del sistema operativo e iniciar el navegador en un directorio independiente.
`bash
google-chrome
--user-data-dir="/opt/grokbot/isolated_profiles/worker_01"
--profile-directory="AgentContext"
--disable-save-password-bubble
--disable-fill-on-account-select
--credentials_enable_service=false
--no-first-run
--no-default-browser-check
`
También es necesario ajustar los permisos de la cuenta. Ingresa a la consola de administración de Google (admin.google.com) en Seguridad > Controles de acceso y datos > Controles de sesión de Google. Crea una unidad organizativa secundaria exclusiva para el agente (Agent-Sandboxed-OU), reduce la duración de la sesión web predeterminada de 14 días a 24 horas (1,440 minutos) y guárdala.
Al revisar el panel de pagos, tampoco es seguro utilizar una clave secreta con privilegios de administrador completo (sk_live_...). Debes extraer y pasar por separado una clave restringida (rk_live_...) que solo contenga los permisos Charges: Read y Subscriptions: Read.
| Servicio integrado | Permisos permitidos | Permisos prohibidos | Método de inyección | Riesgo bloqueado |
|---|---|---|---|---|
| Stripe | Charges: Read, Subscriptions: Read | Charges: Write, Payouts: Read/Write | rk_live_... (Variable de entorno) |
Reembolsos no autorizados y cambio de cuenta de liquidación |
| Google Workspace | gmail.readonly, drive.metadata.readonly | gmail.send, gmail.modify | Scoped OAuth 2.0 Access Token | Envío de correos de phishing de suplantación y alteración de archivos |
| Vercel / AWS | Read-only Monitoring, Logs View | Deployments, Secrets Edit | Scoped Token / IAM Role | Cierre arbitrario de instancias de producción |
Una vez terminada la configuración, pídele al agente que ingrese a la dirección de administración de cuentas de liquidación de Stripe ([https://dashboard.stripe.com/settings/payouts](https://dashboard.stripe.com/settings/payouts)). Si aparece una ventana de autenticación en la pantalla del navegador o salta un error HTTP 403, el aislamiento se ha realizado correctamente.
Si un agente de navegador no encuentra un botón, entra en un bucle de ping-pong modificando ligeramente el prompt. En el momento en que maneja un contexto de 128k tokens y repite decenas de reintentos, el costo de los tokens se dispara de forma alarmante. Escribir "detente si fallas" en el prompt no es suficiente; el modelo a menudo ignora esa instrucción.
Debes colocar un disyuntor (circuit breaker) a nivel de código que detenga el proceso por la fuerza. Primero, establece el límite máximo de reintentos en el archivo de configuración de orquestación (.cursorrules o en la configuración de GrokBot).
`text
AGENT ORCHESTRATION CONSTRAINTS
Execution Thresholds:
MAX_RETRIES_PER_TASK = 2
PER_STEP_TIMEOUT_SECONDS = 300
DAILY_TOKEN_BUDGET_HARD_CAP_USD = 5.00
Deterministic Termination Rules:
Si se registran 2 fallos consecutivos en el mismo selector DOM, el proceso se termina de inmediato.
No se intenta un tercer reintento cambiando la expresión.
Si el costo de una sola sesión alcanza los $5.00, se detienen todas las tareas al instante y se devuelve un código de salida.
`
Un script en Python supervisa los fallos consecutivos y, al alcanzar el límite, envía un registro a Telegram antes de finalizar el proceso de inmediato.
`python
import os
import sys
import logging
import requests
TELEGRAM_BOT_TOKEN = os.getenv("TELEGRAM_BOT_TOKEN")
TELEGRAM_CHAT_ID = os.getenv("TELEGRAM_CHAT_ID")
class AgentCircuitBreaker:
def init(self, max_consecutive_failures=2):
self.consecutive_failures = 0
self.max_failures = max_consecutive_failures
def record_failure(self, task_name: str, error_trace: str, current_url: str):
self.consecutive_failures += 1
logging.warning(f"Task '{task_name}' failed ({self.consecutive_failures}/{self.max_failures})")
if self.consecutive_failures >= self.max_failures:
self.trigger_kill_switch(task_name, error_trace, current_url)
def record_success(self):
self.consecutive_failures = 0
def trigger_kill_switch(self, task_name: str, error_trace: str, current_url: str):
message = (
f"[CIRCUIT BREAKER TRIGGERED]\n"
f"Task: {task_name}\n"
f"URL: {current_url}\n"
f"Cause: Consecutive Failures >= {self.max_failures}\n"
f"Trace: {error_trace[:400]}"
)
api_url = f"https://api.telegram.org/bot{TELEGRAM_BOT_TOKEN}/sendMessage"
payload = {"chat_id": TELEGRAM_CHAT_ID, "text": message}
try:
requests.post(api_url, json=payload, timeout=5.0)
except Exception as e:
logging.error(f"Failed to post webhook: {e}")
sys.exit(1)
`
Agrupa un máximo de 50 elementos a inspeccionar por cada instancia de agente. Al completar los 50, destruye por completo el contexto del navegador (context.close()) y abre uno nuevo. Dejar un intervalo de unos 60 segundos entre las tareas por lotes también evitará que alcances el límite de solicitudes por segundo de Stripe (25 req/sec) y que tu cuenta sea bloqueada.
Para verificar el funcionamiento, lanza una tarea de prueba pidiéndole que haga clic en un selector DOM inexistente (#phantom-settlement-modal). Si se detiene inmediatamente después de 1 reintento (un total de 2 intentos) y llega la notificación de Telegram, el gasto diario se mantendrá por debajo de los $5.
Los paneles creados con React o Next.js despliegan los paquetes de JavaScript y pasan por la hidratación incluso después de cargar el HTML. Si el agente entra de inmediato al ver solo el evento window.onload, confundirá el cargador de esqueleto con datos reales y arrojará un error. Sin embargo, aplicar ciegamente un time.sleep(5) desperdicia demasiado tiempo.
Debes definir elementos de anclaje explícitos y ejecutar una función de sondeo.
`python
import logging
from playwright.sync_api import Page, TimeoutError
def wait_for_dashboard_hydration(
page: Page,
anchor_selector: str,
max_attempts: int = 3,
interval_ms: int = 3000
) -> bool:
for attempt in range(1, max_attempts + 1):
try:
page.wait_for_selector(anchor_selector, state="visible", timeout=interval_ms)
if not page.locator(".dashboard-skeleton-loader").is_visible():
return True
except TimeoutError:
logging.info(f"Hydration waiting: Attempt {attempt}/{max_attempts}")
return False
`
Extrae el texto del nodo objetivo a través del árbol de accesibilidad (Total Volume: $12,450.00) y pasa una captura de pantalla actual al modelo multimodal para contrastarla con los números de la interfaz de tarjetas. Si ambos valores difieren, se considera que el renderizado aún no ha terminado y se vuelve a comprobar después de 3 segundos.
Puedes verificar esta lógica creando un entorno de retraso de red virtual con el Protocolo de Herramientas para Desarrolladores de Chrome (CDP).
`python
cdp_session = page.context.new_cdp_session(page)
cdp_session.send("Network.emulateNetworkConditions", {
"offline": False,
"latency": 500,
"downloadThroughput": 400 * 1024 / 8,
"uploadThroughput": 400 * 1024 / 8
})
`
Solo necesitas comprobar si el agente espera 3 veces (un total de 9 segundos) sin reportar un fallo prematuro y recopila los datos por completo, incluso con un retraso de 500 ms de RTT y 400 kbps de descarga.
No hay nada más agotador que revisar registros de texto de miles de líneas cuando un agente se detiene mientras trabajaba toda la noche. Si pierdes tres o cuatro horas a semana lidiando con la supervisión, la automatización pierde su propósito.
Configura todo subagente para que, al terminar sus acciones, arroje únicamente tres datos: timestamp, url y action, en un archivo JSONL de una sola línea.
`json
{"timestamp": "2026-03-31T08:15:02Z", "url": "https://dashboard.stripe.com/payments", "action": "CLICK", "target": "button[data-testid='filter']", "status": "SUCCESS"}
{"timestamp": "2026-03-31T08:15:05Z", "url": "https://dashboard.stripe.com/payments", "action": "WAIT_FOR", "target": "div[data-testid='metrics-card']", "status": "RETRY_1", "error": "Timeout 3000ms"}
{"timestamp": "2026-03-31T08:15:08Z", "url": "https://dashboard.stripe.com/payments", "action": "EXTRACT_TEXT", "target": "div[data-testid='metrics-card']", "status": "FAIL", "screenshot_path": "artifacts/errors/metrics_fail.png"}
`
Al terminar la tarea, el bot principal selecciona únicamente los elementos con la etiqueta FAIL y genera un resumen en Markdown (daily_failure_digest.md).
`markdown
Total Jobs: 50 | Succeeded: 48 | Failed: 2 | Total Token Cost: $0.84
`
Al llegar a la oficina, toma 1 minuto abrir el resumen y verificar el número de fallos, 1 minuto abrir la captura de pantalla para comprobar el selector modificado y 1 minuto presionar la casilla de aprobación de corrección. No hay necesidad de pelear con los registros cada mañana.
Un agente de navegador es, al fin y al cabo, un medio para lidiar con entornos no estructurados. No hay razón para desplegar un agente de navegador en lugares donde las API oficiales funcionan a la perfección.
| Categoría | Navegador en la nube compartido | Contenedor sin estado aislado | API REST oficial |
|---|---|---|---|
| Configuración inicial | Funciona de inmediato ingresando un prompt | Requiere imagen Docker y aislamiento de red | Requiere autenticación de endpoints y mapeo |
| Nivel de aislamiento de seguridad | Esencial contar con el perfil de Chromium y políticas de sesión | Destrucción del contenedor al finalizar la tarea | Sin riesgo de robo de cookies de navegador |
| Costo de ejecución | Alto debido al razonamiento visual y serialización del DOM | Costo de alojamiento y de inferencia del LLM | Muy bajo, ya que solo procesa JSON |
| Resiliencia ante cambios de UI | Posible evitarlo basándose en información visual | Requiere desplegar código de modificación de selectores | No se ve afectado en absoluto por los cambios de UI |
| Tareas adecuadas | Revisión de paneles externos sin API | Web scraping a gran escala | Verificación de pagos en Stripe, modificación de bases de datos |
Las tareas de pago o cambio de cuentas donde se mueve dinero deben realizarse mediante una API oficial para mayor seguridad. Por otro lado, los agentes de navegador cumplen su función en áreas que antes requerían intervención humana, como la revisión de administradores de socios que no proporcionan API o la supervisión de pantallas. Si mantienes un aislamiento físico del navegador y configuras disyuntores, podrás ejecutar agentes toda la noche con total tranquilidad.