Como Construir Agentes Financeiros Que Funcionam em Toda a Web - Jay Sahnan & Arik Bird, Browserbase

Highlights

• A Ramp economizou mais de 30.000 horas de entrada manual de dados ao automatizar a busca de recibos e faturas com agentes de navegador em vez de equipes humanas.

• O Browserbase utiliza uma versão modificada do binário do Chromium que remove flags de automação, alinha a identidade para se passar por um navegador padrão de usuário e mantém processos ativos para evitar bloqueios antibot.

• O Stagehand reduz o consumo de tokens em até 30 vezes ao converter o DOM bruto em uma árvore de acessibilidade simplificada antes de enviá-la para a LLM.

• O Stagehand expõe primitivas em linguagem natural como act, extract e observe, permitindo extrair dados não estruturados diretamente para esquemas Zod.

• Grandes instituições financeiras como Ramp, Bill e Stripe utilizam agentes de navegador para navegar em portais protegidos e realizar verificações de KYC e compliance em escala.

Timeline

1. 00:00 - 03:07

   O papel dos agentes de navegador em instituições financeiras

   A introdução aborda a definição fundamental de um agente de navegador e sua necessidade prática no setor financeiro. Instituições que processam pagamentos e gerenciam despesas precisam interagir constantemente com portais legados ou protegidos. Como esses locais não oferecem APIs diretas, a automação com navegadores torna-se a única alternativa viável para substituir processos manuais custosos.

   • Agentes de navegador são essenciais para acessar sites e portais que não disponibilizam APIs ou protocolos MCP.
   • Empresas como Ramp, Bill e Stripe lidam com dados sensíveis e enfrentam barreiras severas em portais protegidos contra bots.
   • A dependência inicial de equipes humanas para entrada de dados e captura de recibos gera gargalos intransponíveis em escala.
2. 03:07 - 09:44

   Superando bloqueios antibot com navegadores na nuvem

   Colocar instâncias tradicionais de navegadores sem interface gráfica em servidores de nuvem expõe o agente a detecções imediatas por parte dos sites. Para contornar isso, a infraestrutura ajusta parâmetros de rede, remove indicadores de automação e preserva sessões ativas. Essa arquitetura permite disparar centenas de navegadores simultaneamente sem disparar CAPTCHAs ou bloqueios de IP.

   • Executar o Chromium padrão em servidores de data center gera impressões digitais inconsistentes e aciona sistemas antibot.
   • O Browserbase resolve esse problema criando um fork verificado do Chromium que elimina flags de automação e falsificações de identidade.
   • A Ramp multiplicou sua escala por 5 vezes após implementar agentes de navegador para associar recibos de voos e transações de forma automatizada.
3. 09:44 - 15:13

   Controle adaptativo com o Stagehand

   Gerenciar portais de pagamento diversificados exige uma camada de abstração que suporte alterações constantes de layout. O Stagehand permite que desenvolvedores enviem comandos intuitivos para preencher formulários ou localizar elementos visuais sem a fragilidade dos seletores estáticos. Além disso, a proximidade física entre a extensão de controle e o navegador hospedado elimina a latência de rede.

   • O Stagehand atua como um SDK de código aberto construído sobre o Playwright para simplificar o controle de navegadores por meio de linguagem natural.
   • Mudanças frequentes na interface de milhares de portais de fornecedores quebram scripts tradicionais baseados em seletores fixos como XPath.
   • O Stagehand reduz drasticamente o uso de tokens ao comprimir o DOM em árvores de acessibilidade otimizadas antes de consultar a inteligência artificial.
4. 15:13 - 19:36

   Extração de dados estruturados e aplicações práticas

   A demonstração prática comprova a capacidade de extrair informações financeiras de múltiplas fontes corporativas em paralelo, como sites de relações com investidores e relatórios regulatórios. A conversão automática de dados desestruturados da web em esquemas padronizados acelera auditorias e validações cadastrais sem intervenção humana.

   • As primitivas de observação, ação e extração permitem converter páginas web complexas em esquemas de dados limpos usando Zod.
   • A Stripe emprega automação via navegador para validar comerciantes e realizar checagens de KYC em secretarias de estado.
   • O ecossistema integrado de navegadores verificados e SDKs reduz o esforço de engenharia necessário para monitorar relatórios regulatórios e arquivos da SEC.