Cómo crear agentes financieros que funcionan en toda la web - Jay Sahnan y Arik Bird, Browserbase

하이라이트

• Ramp desplegó agentes de navegador para automatizar la captura de recibos, ahorrando más de 30.000 horas de trabajo manual y multiplicando su escala por 5.

• Stagehand reduce el conteo de tokens de 122.000 a 4.000 al comprimir el DOM en un árbol de accesibilidad optimizado para modelos de lenguaje.

• Los navegadores en la nube estándar sufren de huellas digitales de centros de datos y banderas de automatización que activan bloqueos y CAPTCHAs.

• Browserbase bifurcó Chromium para eliminar la bandera de webdriver, alinear la identidad del navegador y mantener procesos activos en lugar de abrirlos y cerrarlos por tarea.

• Stagehand ofrece tres primitivas principales para desarrolladores: observe, act y extract, permitiendo extraer datos estructurados mediante esquemas de Zod.

타임라인

1. 00:00 - 02:13

   Definición y aplicación de agentes de navegador en instituciones financieras

   Los agentes de navegador actúan como herramientas indispensables para interactuar con las partes más inaccesibles de la web. Instituciones financieras líderes dependen de esta tecnología para procesar operaciones que carecen de integraciones programáticas tradicionales.

   • Un agente de navegador necesita acceder, leer y tomar acciones en la web mediante un navegador real cuando no existen APIs o protocolos MCP disponibles.
   • Empresas financieras como Ramp, Bill y Stripe manejan información sensible ubicada en portales protegidos contra bots y detrás de inicios de sesión complejos.
2. 02:13 - 09:43

   Infraestructura de navegadores en la nube y resolución de bloqueos

   Escalar procesos de automatización requiere superar las defensas anti-bot de los sitios web. Al modificar el binario de Chromium para imitar con precisión a los navegadores de usuarios reales y evitar reiniciar el proceso en cada tarea, la infraestructura en la nube opera con alta fiabilidad.

   • Ramp utilizaba equipos humanos para iniciar sesión en portales y buscar recibos, lo cual generaba cuellos de botella insostenibles a gran escala.
   • Desplegar Chromium estándar en centros de datos revela huellas digitales de infraestructura en la nube, IPs de proxy y parámetros de automatización que provocan bloqueos y CAPTCHAs.
   • Browserbase creó una bifurcación de Chromium que elimina la bandera de webdriver, alinea la identidad del navegador y mantiene los procesos activos.
3. 09:43 - 14:37

   Control de múltiples portales con el SDK Stagehand

   Gestionar miles de portales de pago diferentes con estructuras cambiantes vuelve inviable el uso de scripts rígidos. Stagehand combina reglas deterministas con instrucciones en lenguaje natural, operando directamente junto al navegador alojado para eliminar latencias de red.

   • Ramp redujo más de 30.000 horas de entrada manual de datos y multiplicó su escala por 5 gracias al uso de agentes.
   • Playwright tradicional falla cuando cambian los selectores XPath o las interfaces de los portales web.
   • Stagehand reduce el consumo de tokens de 122.000 a 4.000 transformando el DOM en un árbol de accesibilidad simplificado para los modelos de lenguaje.
4. 14:37 - 19:36

   Primitivas de desarrollo, verificación KYC y demostraciones

   La extracción estructurada de datos permite procesar información compleja proveniente de múltiples fuentes como sitios corporativos, páginas de inversionistas y presentaciones ante la SEC de forma simultánea. Demostraciones prácticas evidencian la ejecución concurrente de agentes en decenas de sitios web sin interrupciones.

   • Stripe automatiza la verificación KYC de decenas de miles de comerciantes mensuales mediante agentes de navegador.
   • Stagehand expone tres primitivas clave para desarrolladores: observe, act y extract.
   • La función extract permite transformar datos web no estructurados en esquemas tipados de Zod.