O navegador mais rápido para automatização web com agentes de IA

O ego (lite) é um navegador onde pode trabalhar em paralelo com os seus agentes de IA. Os agentes executam várias tarefas no navegador nos respetivos Spaces, enquanto os seus separadores continuam disponíveis para si; as tarefas terminam mais depressa e com menos tokens.

No ano passado, muitos de nós tentámos arranjar agentes de IA ( Claude Code, Codex, Continue) para fazer a automatização real do navegador num navegador real. Extraia uma lista de um painel de administração ligado. Preencha um formulário de fornecedor. Execute o controlo de qualidade num ambiente de teste. As ferramentas para tal existem, mas a experiência de realmente o fazer continua a ser difícil.

O ego (lite) é a nossa tentativa de resolver esse problema.

O que é ego (lite)

O ego (lite) está profundamente integrado no ecossistema do Chrome. Usa o mesmo motor do Chrome e transfere integralmente os seus favoritos, extensões e sessões já iniciadas. Não tem de mudar a forma como navega: funciona imediatamente.

O que realmente o diferencia é o suporte nativo aos agentes:

• Base de código, e não base CLI, para execuções mais rápidas com menos tokens em tarefas complexas. As capacidades que ego (lite) disponibiliza ao agente são encapsuladas como funções JavaScript que o agente chama diretamente. Assim, o agente pode fazer aquilo em que é melhor: escrever código e compor uma tarefa com vários passos numa única execução, em vez de ficar preso num ciclo de «chamar dois comandos, ver o resultado e chamar mais dois». Em comparação com a abordagem CLI convencional, os workflows complexos terminam 20–50% mais depressa, com uma taxa de sucesso superior e muito menos chamadas de ferramentas por tarefa. O mesmo padrão surge nos nossos benchmarks internos face ao agent-browser da Vercel: quanto mais difícil é o workflow, maior é a diferença.
• Um Space dedicado para cada agente. O ego (lite) atribui a cada agente um Space totalmente isolado. Enquanto navega em primeiro plano, o agente trabalha em segundo plano, sem interferirem um com o outro. Pode ver a qualquer momento em que Space está um agente a trabalhar e assumir o controlo ou pará-lo quando quiser. Se já utilizou ferramentas agent-browser que se ligam ao Chrome, conhece a confusão de janelas e separadores a aparecer por todo o lado. O ego (lite) resolve o problema pela raiz.
• Os seus agentes realizam multitarefas no Spaces, espaços de trabalho paralelos dentro do mesmo navegador. Cada Space recebe o seu próprio agente de IA ou a sua própria tarefa, todos em execução ao mesmo tempo. O Claude Code enriquece 10 leads em 10 Spaces paralelos; o Codex extrai dados de 5 sites concorrentes em outros 5. Não colidem nem ocupam os seus separadores. O ponteiro do rato permanece onde o deixou.
• O Snapshot de página mais forte do mercado. Graças à personalização ao nível do kernel, o ego (lite) produz snapshots de página da mais alta qualidade, a representação textual em que os modelos se baseiam para “ver” uma página web e agir sobre ela. Lida de forma fiável com casos difíceis, como iframes profundamente aninhados, precisamente onde as outras abordagens falham repetidamente.
• Qualquer agente pode conduzi-lo ego-browser. O ego-browser é a camada de ligação entre qualquer CLI de agente (Claude Code, Codex, Cursor ou uma CLI personalizada) e o ego (lite). Expõe o navegador como um conjunto de ferramentas JavaScript disponíveis na página: snapshot, fill, click, wait, navigate, capture. O agente escreve um snippet de JavaScript que chama essas ferramentas, e o ego-browser executa-o na página de uma só vez.
• Acumulação de experiência que torna o seu agente mais rápido quanto mais o utilizar (em breve). A maior parte do tempo que um agente dedica a tarefas no navegador é gasta em tentativas e erros. A Skill oficial do ego (lite) transforma cada ação bem-sucedida em ferramentas e fluxos de trabalho reutilizáveis, para que tarefas semelhantes executadas mais tarde possam ser até 5 vezes mais rápidas. Voltaremos a este tema mais abaixo.

Porque construímos ego (lite)

Temos uma opinião sobre a questão “a GUI está a morrer”. A GUI veio para ficar. O que vai mudar na raiz é quem o fornece. Hoje, cada plataforma vem com a sua própria interface pré-construída. Amanhã o seu agente pessoal irá gerar um para si na hora.

Esse é o futuro. A realidade hoje é que os agentes já têm muito trabalho a fazer e o mundo ainda não está construído para eles. Muitos serviços ainda não oferecem API nem MCP. As informações e funcionalidades permanecem bloqueadas dentro da GUI, empacotadas para um utilizador humano. Se tentou utilizar Codex ou Claude Code para fazer pesquisas ou realizar trabalhos que dependem de uma ferramenta SaaS, sabe o que isso significa. O agente ainda precisa de abrir um navegador e conversar com este velho mundo.

Assim, cada vez mais produtos de agentes estão a instalar um navegador neles próprios. Alguns vêm com um navegador simplificado incorporado no cliente. Outros enviam uma extensão que se liga ao seu Chrome existente. Nenhum deles funciona suficientemente bem. A abordagem Chrome-bridge é instável: as sessões com sessão iniciada umas vezes e outras não, os separadores aparecem em novos windows sem qualquer motivo, os modos com e sem cabeça ficam fora de controlo. A abordagem incorporada não é um navegador real e desmorona-se em qualquer coisa complexa.

Há uma razão mais profunda pela qual tudo isto é insuficiente. O navegador nunca foi concebido para um agente. Cada detalhe de interação em Chrome, separadores, windows, navegação, permissões, foi construído em torno de um utilizador humano. Ninguém perguntou como é que um agente independente trabalharia com isto. As ferramentas de ponte e as ferramentas incorporadas são patches num sistema que nunca deixou espaço para um agente. Os problemas são a consequência natural.

A outra metade do problema: nenhuma destas ferramentas pensou seriamente sobre o que deveria ser realmente um navegador para um agente. Sobrecarregam o navegador e entregam ao agente alguns comandos CLI, subestimando o que um agente pode orquestrar por conta própria. Ou oscilam para o outro lado, expõem o protocolo em bruto e despejam todo o ruído em bruto no modelo.

Foi por isso que criámos o ego (lite). Queríamos repensar o navegador desde a base e torná-lo o ponto de contacto mais fluido possível entre si, o seu agente e a web.

Como construímos ego (lite)

Antes de escrevermos qualquer código, tivemos de resolver uma questão: como é que um agente deveria interagir com um navegador?

A nossa resposta foram três camadas.

A primeira camada é a visão e a ação. O agente “vê” a página da mesma forma que um ser humano, depois clica, escreve e faz scroll. Esta é a linha de base que qualquer navegador deve fornecer a um agente.

A segunda camada são chamadas de método encapsuladas. Pegámos nas operações que surgem com frequência, sendo o Snapshot o canónico, e demos-lhes abstrações limpas. Nós segurámo-nos de propósito. Nada de acumular cem métodos. O objetivo era manter a abstração nítida, e não exaustiva.

A terceira camada é o acesso direto aos recursos subjacentes do navegador. Quando o agente precisa realmente de controlo bruto, ele está lá.

O objetivo das três camadas é que o agente escolha aquela que se adapta à tarefa. Um simples clique não necessita de uma chamada de protocolo em bruto. Um fluxo complexo não está espremido num único comando CLI.

Porquê JavaScript, e não Python ou Shell

Código sobre CLI é a escolha arquitetónica. Dentro disto, porquê JavaScript e não Python ou Shell? Duas razões motivaram isso.

A primeira razão é a carga cognitiva. Aquilo que o ego (lite) injeta na página já é JavaScript. Se o código de orquestração em segundo plano estivesse noutra linguagem, o agente teria de alternar entre duas sintaxes em cada tarefa. É um atrito desnecessário. Usar uma única linguagem em toda a tarefa permite ao agente pensar num único modo.

A segunda razão é a estabilidade do ambiente. Não podemos partir do princípio de que todos os utilizadores têm Python instalado ou uma shell que se comporta como a nossa. Em vez de dependermos do ambiente do utilizador, levamos o runtime connosco. Reutilizamos o motor V8 que já está no navegador, reduzimos o restante Node.js e incluímos um runtime Node completo no ego (lite). O tamanho da instalação aumenta apenas 6 MB.

Quão rápido é ego (lite)?

Comparámos o ego (lite) com o agent-browser da Vercel em quatro tarefas complexas de automação do navegador. O ego (lite) concluiu cada tarefa até 3,45 vezes mais depressa, com substancialmente menos tokens.

Quanto mais difícil for a tarefa, maior será o fosso.

Duas decisões de design fizeram a diferença. Em primeiro lugar, a interação JavaScript de três camadas acima. O agente grava um snippet que executa muitas ações numa única passagem, em vez de encadear uma chamada CLI de cada vez. Em segundo lugar, o Snapshot ao nível do kernel criado dentro do nosso motor personalizado Chromium, que alcança iframes de origem cruzada, shadow DOM e widgets SDK de terceiros que os JavaScript-shim snapshotters descartam silenciosamente.

Quanto mais o usar, mais rápido fica (em breve)

Estamos a testar um mecanismo de acumulação de experiência dentro da Skill oficial do ego (lite). Cada tarefa bem-sucedida é transformada em ferramentas e fluxos de trabalho reutilizáveis, delimitados por domínio. Da próxima vez que o seu agente executar uma tarefa semelhante, carrega essas ferramentas e evita a fase de tentativa e erro.

A versão ideal disto seria o agente capturar a experiência durante a execução da tarefa. Tentámos isso primeiro. Os resultados da avaliação empurraram-nos para trás. Quando o modelo é solicitado a otimizar a tarefa em si e a captura da experiência na mesma execução, a taxa de sucesso da tarefa cai e a execução torna-se mais lenta. Tentar fazer as duas coisas bem ao mesmo tempo não significa fazer nenhuma delas bem.

Assim dividimos em duas fases. Durante a execução, o agente concentra-se na tarefa e não faz mais nada. Depois de concluída a tarefa, inicia-se uma fase de acumulação separada, onde o agente lê os documentos relevantes e desenvolve as ferramentas e lições. Esta abordagem de divulgação progressiva atingiu a aceleração que procurávamos. Os testes internos em tarefas complexas mostram que as execuções repetidas são de até 2,6× mais rápido do que a primeira execução, com significativamente menos tokens.

A UX ainda é onde não estamos felizes. Após o término da tarefa, o utilizador tem de aguardar pela etapa de acumulação antes de chegar o resultado final, e esta espera ainda não é tranquila. Uma direção que estamos a considerar é colocar a acumulação nas mãos do utilizador. Deixe o utilizador decidir se pretende disparar uma captura de experiência após o término de uma tarefa. Sem espera forçada, e o utilizador obtém mais controlo sobre o crescimento do seu agente.

Ainda estamos a melhorar isso e enviaremos amplamente assim que chegar ao mercado.

A posição do ego (lite) no nosso conjunto de tecnologias é simples: um navegador que funciona tanto para si como para os seus agentes, nada mais, nada menos.

Qual é a diferença entre ego (lite) e as ferramentas existentes?

Porque somos chamados de “ego”

A cultura moderna inclina-se fortemente para o “ego baixo”. Nós compreendemos a intenção. Muito eu pode realmente magoar outras pessoas. Mas a tendência ultrapassou esse ponto. Tornou-se uma espécie de retórica que considera a autossupressão uma virtude e transforma as pessoas em peças de engrenagem de uma máquina muito maior.

À medida que a IA assume cada vez mais trabalho, pensamos o contrário. Este é o momento de olhar novamente para o que vale o “eu”. Quanto mais forte a ferramenta se torna, mais valioso se torna o julgamento humano, a personalidade e o pensamento independente por detrás dela. Não devem ser diluídos. Eles deveriam ser amplificados.

O verdadeiro perigo não é que os computadores comecem a pensar como os homens, mas sim que os homens comecem a pensar como os computadores.

Então chamamos a isso ego. Não é um apelo para ser egoísta. Uma aposta de que vale a pena proteger a sua intuição, a sua identidade e o seu próprio julgamento em primeiro lugar.

O “lite” em ego (lite) significa que este produto não representa tudo o que ego oferece. Existe uma versão completa de ego com um agente pessoal, um ambiente sandbox na nuvem, capacidades ao nível do sistema que vão além do navegador e um sistema de memória. Disponibilizamos os dois como produtos separados.

Experimente

Atualmente, o ego (lite) é gratuito no macOS. O Windows e o Linux estão na roadmap. Todas as ações no navegador são controladas pelo seu próprio agente, não pelos nossos servidores. É por isso que podemos manter o ego (lite) gratuito para utilizadores individuais.

• Baixe o .dmg.

A integração coloca uma questão (se deve migrar os seus dados Chrome) e trata do resto.

Se já se sentiu frustrado ao tentar ligar um agente de IA a um navegador real, experimente o ego (lite): não o irá desiludir.

Uma última coisa a ter em mente: o ego (lite) dá ao seu agente capacidades reais de controlo do navegador, tanto para ler o conteúdo das páginas como para executar ações reais. Certifique-se, por isso, de que o agente a quem permite controlá-lo provém de uma fonte de confiança.