Der schnellste Browser für KI-Agenten zur Ausführung der Webautomatisierung

ego (lite) ist ein Browser, in dem Sie und Ihre KI-Agenten parallel arbeiten. Ihre Agenten erledigen mehrere Browseraufgaben gleichzeitig in eigenen Spaces, während Ihre Tabs unberührt bleiben. So werden Aufgaben schneller und mit weniger Token abgeschlossen.

Im letzten Jahr haben viele von uns versucht, KI-Agenten zu finden ( Claude Code, Codex, Continue), um eine echte Browserautomatisierung in einem echten Browser durchzuführen. Rufen Sie eine Liste aus einem angemeldeten Admin-Panel ab. Füllen Sie ein Anbieterformular aus. Führen Sie die Qualitätssicherung in einer Staging-Umgebung durch. Die Werkzeuge dafür sind vorhanden, und doch bleibt die Erfahrung, es tatsächlich zu tun, schwierig.

ego (lite) ist unser Versuch, das zu beheben.

Was ist ego (lite)

ego (lite) ist tief im Chrome-Ökosystem verankert. Dieselbe Engine wie Chrome, wobei Ihre Lesezeichen, Erweiterungen und angemeldeten Sitzungen vollständig übernommen werden. Sie müssen die Art und Weise, wie Sie surfen, nicht ändern. Es funktioniert sofort.

Was es wirklich auszeichnet, ist die native Unterstützung für Agenten:

• Codebasis, nicht CLI-Basis, für schnellere Ausführungen mit weniger Tokens bei komplexen Aufgaben. Die Funktionen, die ego (lite) dem Agenten bereitstellt, sind als JavaScript-Funktionen gekapselt, die der Agent direkt aufruft. So kann der Agent das tun, was er am besten kann: Code schreiben und eine mehrstufige Aufgabe zu einem einzigen Ablauf zusammensetzen, statt in einer Schleife aus „zwei Befehle aufrufen, Ergebnis ansehen, zwei weitere aufrufen“ festzustecken. Im Vergleich zum herkömmlichen CLI-Ansatz werden komplexe Workflows 20–50 % schneller abgeschlossen, mit einer höheren Erfolgsquote und deutlich weniger Tool-Aufrufen pro Aufgabe. Dasselbe Muster zeigt sich in internen Benchmarks mit dem agent-browser von Vercel: Je anspruchsvoller der Workflow, desto größer der Abstand.
• Ein dediziertes Space für jeden Agenten. ego (lite) gibt jedem Agenten einen vollständig isolierten Space. Sie surfen im Vordergrund, Ihr Agent arbeitet im Hintergrund, ohne dass beide einander stören. Sie sehen jederzeit, in welchem Space ein Agent läuft, und können ihn übernehmen oder stoppen. Wer agent-browser-Tools kennt, die sich mit Chrome verbinden, kennt auch das Chaos aus ständig aufpoppenden Fenstern und Tabs. ego (lite) löst dieses Problem an der Wurzel.
• Ihre Agenten erledigen Multitasking in Spaces, parallelen Arbeitsbereichen innerhalb desselben Browsers. Jeder Space erhält seinen eigenen KI-Agenten oder seine eigene Aufgabe, die alle gleichzeitig ausgeführt werden. Claude Code Bereicherung von 10 Leads in 10 parallelen Spaces. Codex Verdrängung von 5 Konkurrenzseiten in 5 weiteren. Sie kollidieren nicht und stehlen Ihre Tabs nicht. Ihre Maus bleibt dort, wo Sie sie gelassen haben.
• Die stärkste Seite Snapshot auf dem Markt. Durch Anpassungen auf Kernel-Ebene erzeugt ego (lite) besonders hochwertige Seiten-Snapshots – die Darstellung, anhand derer Modelle eine Webseite „sehen“ und bedienen. Selbst schwierige Fälle wie tief verschachtelte iframes werden zuverlässig erfasst, genau dort, wo andere Ansätze immer wieder scheitern.
• Jeder Agent kann es durchsetzen ego-browser. ego-browser verbindet jede Agent-CLI – etwa Claude Code, Codex, Cursor oder eine eigene Lösung – mit ego (lite). Der Browser wird dabei als Satz von JavaScript-Tools auf der Seite bereitgestellt: snapshot, fill, click, wait, navigate und capture. Der Agent schreibt ein JavaScript-Snippet, das diese Tools aufruft, und ego-browser führt es in einem Durchgang auf der Seite aus.
• Erfahrungsakkumulation, die Ihren Agenten umso schneller macht, je häufiger Sie ihn nutzen (bald verfügbar). Bei Browseraufgaben verbringt ein Agent den größten Teil der Zeit mit Ausprobieren. Der offizielle Skill von ego (lite) überführt jede erfolgreiche Aktion in wiederverwendbare Tools und Abläufe. Ähnliche Aufgaben lassen sich später dadurch bis zu fünfmal schneller erledigen. Mehr dazu weiter unten.

Warum wir ego (lite) gebaut haben

Wir haben eine Meinung zur Frage „Stirbt die GUI?“. Die GUI ist hier, um zu bleiben. Was sich an der Wurzel ändern wird, ist, wer es bereitstellt. Heutzutage verfügt jede Plattform über eine eigene vorgefertigte Schnittstelle. Morgen erstellt Ihr persönlicher Agent spontan eines für Sie.

Das ist die Zukunft. Die Realität sieht heute so aus, dass Agenten bereits viel echte Arbeit leisten müssen und die Welt noch nicht für sie geschaffen ist. Viele Dienste liefern immer noch keine API und kein MCP. Informationen und Funktionen bleiben in der GUI gespeichert und für einen menschlichen Benutzer verpackt. Wenn Sie versucht haben, Codex oder Claude Code zu verwenden, um Recherchen durchzuführen oder Arbeiten voranzutreiben, die auf einem SaaS-Tool basieren, wissen Sie, was das bedeutet. Der Agent muss immer noch einen Browser öffnen und mit dieser alten Welt sprechen.

Deshalb schrauben immer mehr Agentenprodukte einen Browser an sich. Einige liefern einen abgespeckten Browser aus, der in den Client eingebettet ist. Andere liefern eine Erweiterung aus, die eine Brücke zu Ihrem bestehenden Chrome bildet. Keiner von ihnen funktioniert gut genug. Der Chrome-Bridge-Ansatz ist instabil: Angemeldete Sitzungen werden manchmal übertragen und andere nicht, Tabs tauchen ohne Grund in neuen Fenstern auf, Headed- und Headless-Modi geraten außer Kontrolle. Beim eingebetteten Ansatz handelt es sich nicht um einen echten Browser, und er fällt bei allem Komplexen auseinander.

Es gibt einen tieferen Grund, warum all dies nicht gelingt. Der Browser wurde nie für einen Agenten entwickelt. Jedes Interaktionsdetail in Chrome, Tabs, Fenster, Navigation, Berechtigungen, wurde um einen menschlichen Benutzer herum erstellt. Niemand fragte, wie ein autonomer Agent damit arbeiten würde. Die Bridge-Tools und die eingebetteten Tools sind beide Patches auf einem System, das nie Platz für einen Agenten ließ. Die Probleme sind die natürliche Folge.

Die andere Hälfte des Problems: Keines dieser Tools hat ernsthaft darüber nachgedacht, was ein Browser für einen Agenten eigentlich sein sollte. Sie überfordern den Browser und übergeben dem Agenten ein paar CLI-Befehle, wobei sie unterschätzen, was ein Agent allein orchestrieren kann. Oder sie schwenken in die andere Richtung, legen das Rohprotokoll offen und leiten das gesamte Rohrauschen an das Modell weiter.

Deshalb haben wir ego (lite) entwickelt. Wir wollten den Browser von Grund auf neu denken und eine möglichst reibungslose Verbindung zwischen Ihnen, Ihrem Agenten und dem Web schaffen.

Wie wir ego (lite) aufgebaut haben

Bevor wir Code geschrieben haben, mussten wir eine Frage klären: Wie sollte ein Agent mit einem Browser interagieren?

Unsere Antwort war drei Schichten.

Die erste Ebene ist Vision und Handeln. Der Agent „sieht“ die Seite wie ein Mensch, klickt, tippt und scrollt dann. Dies ist die Grundlinie, die jeder Browser einem Agenten geben sollte.

Die zweite Ebene besteht aus umschlossenen Methodenaufrufen. Wir haben die Operationen, die häufig vorkommen, wobei Snapshot die kanonische ist, übernommen und ihnen saubere Abstraktionen gegeben. Wir haben uns bewusst zurückgehalten. Keine Anhäufung von hundert Methoden. Das Ziel bestand darin, die Abstraktion scharf und nicht erschöpfend zu halten.

Die dritte Ebene ist der direkte Zugriff auf die zugrunde liegenden Funktionen des Browsers. Wenn der Agent wirklich absolute Kontrolle braucht, ist sie da.

Der Sinn der drei Ebenen besteht darin, dass der Agent denjenigen auswählt, der zur Aufgabe passt. Ein einfacher Klick erfordert keinen Rohprotokollaufruf. Ein komplexer Ablauf lässt sich nicht in einem einzigen CLI-Befehl zusammenfassen.

Warum JavaScript, nicht Python oder Shell

Code über CLI ist die architektonische Wahl. Warum JavaScript und nicht Python oder Shell? Zwei Gründe waren dafür verantwortlich.

Der erste Grund ist die kognitive Belastung. Was ego (lite) in die Seite einspeist, ist bereits JavaScript. Wäre der Orchestrierungscode im Hintergrund in einer anderen Sprache geschrieben, müsste der Agent bei jeder Aufgabe zwischen zwei Syntaxen wechseln. Das erzeugt unnötige Reibung. Eine Sprache für die gesamte Aufgabe bedeutet, dass der Agent nur in einem Modus denken muss.

Die zweite ist die Stabilität der Umgebung. Wir können nicht davon ausgehen, dass jeder Benutzer Python installiert hat oder eine Shell, die sich genauso verhält wie unsere. Anstatt von der Umgebung des Benutzers abhängig zu sein, bringen wir die Laufzeit mit. Wir verwenden die V8-Engine bereits im Browser wieder, reduzieren den Rest von Node.js und liefern eine vollständige Node-Laufzeit innerhalb von ego (lite). Die Installationsgröße erhöht sich nur um 6 MB.

Wie schnell ist ego (lite)?

Wir haben ego (lite) bei vier komplexen Browserautomatisierungsaufgaben mit Vercels agent-browser verglichen. ego (lite) erledigte jede Aufgabe mit deutlich weniger Token und bis zu 3,45-mal schneller.

Je schwieriger die Aufgabe, desto größer die Lücke.

Zwei Designentscheidungen machten den Unterschied. Erstens die oben beschriebene dreischichtige JavaScript-Interaktion: Der Agent schreibt ein Snippet, das viele Aktionen in einem Durchgang ausführt, statt einzelne CLI-Aufrufe aneinanderzureihen. Zweitens der direkt in unsere angepasste Chromium-Engine integrierte Snapshot auf Kernel-Ebene, der Cross-Origin-Iframes, Shadow DOM und Drittanbieter-SDK-Widgets erreicht, die JavaScript-basierte Abbilderzeuger übersehen.

Je öfter Sie es verwenden, desto schneller wird es (in Kürze verfügbar)

Im offiziellen Skill von ego (lite) testen wir einen Mechanismus zum Sammeln von Erfahrung. Jede erfolgreiche Aufgabe wird in wiederverwendbare, auf die jeweilige Domain zugeschnittene Tools und Abläufe überführt. Bei einer ähnlichen Aufgabe lädt Ihr Agent diese Tools und überspringt das erneute Ausprobieren.

Die ideale Version davon wäre, dass der Agent die Erfahrung während der Ausführung der Aufgabe erfasst. Das haben wir zuerst versucht. Die Bewertungsergebnisse haben uns zurückgedrängt. Wenn das Modell aufgefordert wird, sowohl die Aufgabe selbst als auch die Erfahrungserfassung im selben Lauf zu optimieren, sinkt die Erfolgsquote der Aufgabe und die Ausführung verlangsamt sich. Der Versuch, beides gleichzeitig gut zu machen, bedeutet, keines von beiden gut zu machen.

Also haben wir es in zwei Phasen aufgeteilt. Während der Ausführung konzentriert sich der Agent auf die Aufgabe und tut nichts anderes. Sobald die Aufgabe erledigt ist, beginnt eine separate Akkumulationsphase, in der der Agent die relevanten Dokumente liest und die Tools und Lektionen aufbaut. Dieser progressive Offenlegungsansatz hat die von uns angestrebte Beschleunigung erreicht. Interne Tests an komplexen Aufgaben zeigen, dass Wiederholungsläufe der Herausforderung gewachsen sind 2,6× schneller als beim ersten Lauf, mit deutlich weniger Token.

Mit der UX sind wir immer noch nicht zufrieden. Nachdem die Aufgabe abgeschlossen ist, muss der Benutzer auf den Akkumulationsschritt warten, bevor das Endergebnis eintrifft, und dieses Warten verläuft noch nicht reibungslos. Eine Richtung, die wir in Betracht ziehen, besteht darin, die Akkumulation in die Hände des Benutzers zu legen. Lassen Sie den Benutzer entscheiden, ob eine Erlebniserfassung nach Abschluss einer Aufgabe ausgelöst werden soll. Keine erzwungene Wartezeit und der Benutzer erhält mehr Kontrolle darüber, wie sein Agent wächst.

Wir sind noch dabei, daran zu feilen, und wir werden es auf breiter Basis veröffentlichen, sobald es die Messlatte erreicht.

Die Rolle von ego (lite) in unserem Produktangebot ist einfach: ein Browser, der für Sie und Ihre Agenten gleichermaßen funktioniert – nicht mehr und nicht weniger.

Was unterscheidet ego (lite) von bestehenden Tools?

Warum werden wir „ego“ genannt?

Die moderne Kultur neigt stark zum „niedrigen ego“. Wir verstehen die Absicht. Zu viel Selbst kann anderen Menschen wirklich schaden. Aber der Trend ist über den Punkt hinausgegangen. Es ist zu einer Art Rhetorik geworden, die Selbstunterdrückung als Tugend darstellt und die Menschen in einem viel größeren Getriebe zermürbt.

Da KI immer mehr Arbeit übernimmt, glauben wir das Gegenteil. Dies ist der Moment, noch einmal darüber nachzudenken, was „Selbst“ wert ist. Je stärker das Werkzeug wird, desto wertvoller werden das menschliche Urteilsvermögen, die Persönlichkeit und das unabhängige Denken dahinter. Sie sollten nicht verdünnt werden. Sie sollten verstärkt werden.

Die wirkliche Gefahr besteht nicht darin, dass Computer anfangen, wie Männer zu denken, sondern darin, dass Männer anfangen, wie Computer zu denken.

Also haben wir es genannt ego. Kein Aufruf, egoistisch zu sein. Eine Wette, dass Ihre Intuition, Ihre Identität und Ihr eigenes Urteilsvermögen überhaupt schützenswert sind.

Das „lite“ in ego (lite) bedeutet, dass dies nicht das gesamte Produkt ego ist. Die Vollversion von ego umfasst einen persönlichen Agenten, eine Cloud-Sandbox, systemweite Funktionen über den Browser hinaus und ein Gedächtnissystem. Beide werden als eigenständige Produkte angeboten.

Probieren Sie es aus

ego (lite) ist derzeit unter macOS kostenlos. Windows und Linux stehen auf der Roadmap. Alle Browseraktionen werden von Ihrem eigenen Agenten gesteuert, nicht von unseren Servern. Deshalb können wir ego (lite) für Einzelpersonen kostenlos anbieten.

• Laden Sie die herunter .dmg.

Das Onboarding stellt Ihnen eine Frage (ob Sie Ihre Chrome-Daten migrieren sollen) und kümmert sich um den Rest.

Wenn Sie beim Versuch, einen KI-Agenten in einen echten Browser zu integrieren, frustriert waren, versuchen Sie es mit ego (lite), es wird Sie nicht enttäuschen.

Noch ein wichtiger Hinweis: ego (lite) gibt Ihrem Agenten echte Funktionen zur Browserbedienung – er kann Seiteninhalte lesen und Aktionen ausführen. Lassen Sie deshalb nur einen Agenten aus einer vertrauenswürdigen Quelle darauf zugreifen.