Controle do navegador ou do computador? Testamos três ferramentas em tarefas do dia a dia: veja o que descobrimos

12 min de leitura
Flores brancas sobre um fundo azul-celeste para o teste comparativo de controle do navegador e do computador

Para tarefas web, a ferramenta de controle do navegador ego-browser passou em mais tarefas e custou menos que as duas ferramentas de controle do computador que testamos. Executamos ego-browser, agent-desktop e Cua Driver em sete tarefas do dia a dia: buscas no LinkedIn e na Amazon, extração de dados de páginas longas e testes de aplicações web. O ego-browser passou em cinco tarefas, o agent-desktop em quatro e o Cua Driver em duas. Nas tarefas em que ego-browser e agent-desktop passaram, o ego-browser foi muito mais rápido: 193.5 segundos por tarefa contra 690.8. Em custo, o ego-browser saiu mais barato porque exige menos etapas para concluir a mesma tarefa.

O ego-browser também funciona sem assumir o controle da sua tela. O agent-desktop trouxe sua janela para o primeiro plano em seis de sete tentativas, e o Cua Driver foi registrado pedindo acesso em primeiro plano em duas. O ego-browser não enviou comandos desse tipo. Em uma tarefa mais longa, você pode continuar trabalhando na sua própria janela enquanto o ego-browser roda.

FerramentaTaxa de sucessoGasto por tarefa bem-sucedida
ego-browser71.4% (5/7 tentativas)$0.063
agent-desktop57.1% (4/7 tentativas)$0.174
Cua Driver28.6% (2/7 tentativas)$0.352

As ferramentas

ego-browser

O ego-browser é a ferramenta de controle do navegador deste teste. Ele funciona no ego(lite), um navegador para agentes baseado em Chromium. O agente escreve um script curto por etapa, que roda na página com JavaScript, então uma chamada pode ler uma grande parte dela. Cada tarefa do agente roda em seu próprio Space, um espaço de trabalho separado, e não assume o controle do seu mouse nem toma o foco.

Visão geral de Spaces no ego(lite), com tarefas de npm, Amazon e LinkedIn marcadas como Running.

No macOS, instale a ferramenta gratuita ego(lite) com o script de instalação do skill ego-browser. No Windows, baixe o instalador no site do ego(lite). A configuração inicial do aplicativo adiciona o comando ego-browser e, em seguida, o skill é carregado na estrutura de execução do seu agente.

Nas nossas execuções, o ego-browser passou em 5 de 7 tarefas, com gasto de $0.063 por tarefa bem-sucedida. Fez 26.3 chamadas por tarefa nas três em que também passou o agent-desktop, contra 87.7 deste último.

agent-desktop

O agent-desktop é uma ferramenta de controle do computador da Vercel Labs. Ele lê a árvore de acessibilidade de um aplicativo de desktop e a retorna como JSON, com uma referência, ou ref, para cada elemento em que o agente pode atuar. O agente clica ou digita usando uma ref e depois lê a interface novamente para conferir o resultado. É distribuído como CLI, então nenhum modelo roda dentro dele.

Por padrão, funciona em modo headless, de modo que as ações por ref usam a API de acessibilidade sem mover o ponteiro nem tomar o foco. Sua opção global --headed permite entrada física e mudanças de foco. Nas nossas execuções, seis de sete tentativas usaram focus-window para trazer a janela do Chrome para o primeiro plano, e cinco usaram --headed.

Instale com npm install -g agent-desktop, ou com Homebrew no macOS e no Linux. Depois, conceda permissão de Acessibilidade (agent-desktop permissions --guide orienta você no processo) e carregue seu skill.

Nas nossas execuções, o agent-desktop passou em 4 de 7 tarefas, com gasto de $0.174 por tarefa bem-sucedida. Passou na tarefa do npm em que o ego-browser não passou e fez 87.7 chamadas por tarefa nas três em que também passou o ego-browser.

Cua Driver

O Cua Driver é a ferramenta da Cua para operar aplicativos nativos de desktop e navegadores no macOS, Windows e Linux. Ele se conecta pela CLI, por MCP ou por um SDK tipado. O envio de ações em segundo plano permite que um agente trabalhe sem mover o seu ponteiro nem tomar o foco, quando o aplicativo e a plataforma oferecem suporte. O envio em primeiro plano é a alternativa quando isso não é possível.

Instale no macOS ou no Linux com /bin/bash -c "$(curl -fsSL https://cua.ai/driver/install.sh)", ou no Windows com irm https://cua.ai/driver/install.ps1 | iex.

Nas nossas execuções, o Cua Driver passou em 2 de 7 tarefas, com gasto de $0.352 por tarefa bem-sucedida. Nas duas em que passou, usou 111.0 chamadas por tarefa, contra 32.5 do ego-browser.

Buscar e salvar vagas no LinkedIn

Esta é a tarefa mais próxima de uma atividade do dia a dia. O agente recebeu um perfil de candidato: cinco anos de experiência com Rust e Go, residente em Berlim, somente trabalho remoto na UE e pelo menos €90k. Precisava encontrar vagas da última semana, ler cada descrição antes de decidir, salvar cinco e criar um alerta de vagas.

Com ego-browser, o modelo leu cerca de doze vagas pela própria contagem, salvou cinco e configurou o alerta em 399 segundos, com 44 chamadas e $0.056 em tokens. Com Cua Driver, fez o mesmo em 670 segundos, com 107 chamadas e $0.109. Com agent-desktop, fez 140 chamadas, atingiu o limite de 900 segundos e nunca escreveu a lista.

LinkedIn: ego-browser, 399 segundos / 44 chamadas; agent-desktop, tempo esgotado aos 900 segundos / 140 chamadas; Cua Driver, 670 segundos / 107 chamadas.

Para um fluxo com filtros, itens salvos e um alerta, comece pelo ego-browser. O Cua Driver também concluiu a tarefa, então o trabalho funciona nele, mas espere mais que o dobro de chamadas.

Extrair dados de páginas longas

A tarefa do OpenRouter pediu ao agente que transformasse um catálogo longo de modelos em um CSV. As ferramentas precisavam encontrar modelos que atendessem aos nossos requisitos de tamanho da janela de contexto, custo, suporte a ferramentas e suporte multimodal, e depois organizar a informação no formato solicitado. O ego-browser retornou todos os 36 modelos correspondentes em 662 segundos, usando 55 chamadas a ferramentas. O agent-desktop e o Cua Driver atingiram o limite de 900 segundos sem produzir o CSV. Nesta tarefa, o ego-browser foi a única configuração que transformou o catálogo filtrado em uma lista que o usuário podia utilizar. Porém, os campos de preço fornecidos pelo ego-browser ainda precisavam ser conferidos: 5 dos 36 preços dos tokens de entrada estavam errados.

O que acontece nas tentativas que falham

Se uma tarefa leva mais de 900 segundos, está demorando demais para o nosso conjunto de trabalhos rotineiros. Essas tentativas consumiram 34% do gasto do ego-browser, 53% do agent-desktop e 74% do Cua Driver. Em uma das tarefas que falharam, todas as ferramentas atingiram o limite de tempo buscando e conferindo opções na Amazon sem adicionar nada ao carrinho. Portanto, ao dar um trabalho longo a elas, reserve orçamento para as tentativas que não vão terminar.

ego(lite) executando a busca de mini PCs na Amazon com o CEP de entrega 94105 e a sobreposição de controle do agente visível.

Como executar

Para obter seus próprios resultados, execute o modelo de sua escolha com esforço de raciocínio high em uma estrutura para agentes, com sua ferramenta bash e um arquivo de skill para cada ferramenta de navegador. O ego-browser vem com o ego(lite) e o controla como navegador do agente. O Cua Driver e o agent-desktop controlam o Google Chrome.

Perguntas frequentes

Você deve usar controle do navegador ou do computador para tarefas web com DeepSeek-V4.1-Flash? Controle do navegador, nas nossas execuções. O DeepSeek-V4.1-Flash passou em 5 de 7 tarefas com a ferramenta de controle do navegador ego-browser, contra 4 com a ferramenta de controle do computador agent-desktop e 2 com Cua Driver. Nas 3 tarefas em que ego-browser e agent-desktop passaram, o ego-browser levou 193.5 segundos por tarefa contra 690.8 e custou $0.023 contra $0.084. A diferença vem das chamadas a ferramentas: 26.3 por tarefa contra 87.7. As tarefas foram busca de emprego, extração de dados, testes de aplicações web e compras, executadas pela mesma estrutura para agentes. A configuração completa está em “Como testamos”.

O DeepSeek-V4.1-Flash é suficiente para executar um agente de navegador? Ele consegue fazer o trabalho a um preço baixo com a ferramenta certa. Com ego-browser, passou em 5 de 7 tarefas, com $0.063 de gasto com tokens por tarefa bem-sucedida. Com agent-desktop, passou em 4 a $0.174 e com Cua Driver em 2 a $0.352. O gasto conta todas as sete tentativas, incluindo as que falharam, e por isso uma ferramenta que falha mais custa mais por tentativa bem-sucedida. As tarefas cobriram busca de emprego, extração de dados, testes de aplicações web e compras. A configuração completa está em “Como testamos”.

O ego-browser assume o controle do seu mouse enquanto funciona? Não. O site do ego(lite) diz que o ego-browser trabalha no próprio Space sem assumir o controle do seu mouse nem tomar o foco, e nas nossas sete tentativas os registros não mostram nenhum comando que tenha trazido outro aplicativo para o primeiro plano. O agent-desktop trouxe sua janela do Chrome para o primeiro plano em seis de sete tentativas, e o Cua Driver pediu envio de ações em primeiro plano em duas. Com essas ferramentas, o agente ocupa a tela enquanto trabalha. A configuração completa está em “Como testamos”.

O ego-browser é mais rápido que o agent-desktop? Sim, em todas as tarefas em que ambos passaram. Nas 3 tarefas em comum, o ego-browser levou 193.5 segundos por tarefa contra 690.8. A tarefa do Hacker News levou 66 segundos contra 442, e o teste da loja com 15 casos, 131 contra 791. Fez 26.3 chamadas por tarefa contra 87.7. O agent-desktop também passou na tarefa do npm, em 701 segundos, em que o ego-browser não passou, então a velocidade nessa tarefa não pode ser comparada. A configuração completa está em “Como testamos”.

O ego-browser é mais barato que o Cua Driver? Sim, nas tarefas em que ambos passaram. Na busca de emprego do LinkedIn e no teste da loja com 15 casos, o ego-browser custou $0.036 por tarefa contra $0.092 e levou 265.2 segundos contra 634.0. Fez 32.5 chamadas por tarefa contra 111.0, e cada chamada reenvia a conversa. O Cua Driver também gastou 74% do total nas tentativas que chegaram ao limite de tempo. A configuração completa está em “Como testamos”.

Como o Cua Driver se sai em tarefas web? Passou em 2 de 7: a busca de emprego no LinkedIn e o teste da loja com 15 casos, ambas tarefas em que o ego-browser também passou. Chegou ao limite de tempo nas outras 5, incluindo Hacker News e npm. Seu gasto foi de $0.352 por tarefa bem-sucedida, contra $0.063 do ego-browser. Fez 107 e 115 chamadas nas duas tentativas bem-sucedidas, contra 44 e 21 do ego-browser. As tarefas usaram a mesma estrutura para agentes e o mesmo modelo. A configuração completa está em “Como testamos”.

Como o agent-desktop se compara ao ego-browser? O agent-desktop passou em 4 de 7 tarefas e o ego-browser em 5. O agent-desktop passou na tarefa do npm em que o ego-browser não passou. Chegou ao limite de tempo na busca do LinkedIn, no filtro do OpenRouter e na busca da Amazon. Nas tarefas em que ambos passaram, foi mais lento, com 690.8 segundos por tarefa contra 193.5, e custou $0.084 contra $0.023. A maior parte da diferença está no número de chamadas. A configuração completa está em “Como testamos”.

Quanto custa quando um agente de navegador fica sem tempo? Nas nossas execuções, foi uma grande parte do gasto. Todas as tentativas malsucedidas chegaram ao limite, de 900 segundos na maioria das tarefas. Essas tentativas consumiram 34% do total de $0.315 do ego-browser, 53% dos $0.695 do agent-desktop e 74% dos $0.705 do Cua Driver. O Cua Driver chegou ao limite em 5 de 7 tentativas, o agent-desktop em 3 e o ego-browser em 2. A configuração completa está em “Como testamos”.

O que o ego-browser não concluiu? Duas das suas sete tentativas não passaram, e ambas chegaram ao limite de 900 segundos: a busca da Amazon e a tarefa do npm. Na lista do OpenRouter, encontrou todos os 36 modelos, com 31 dos 36 preços dos tokens de entrada iguais aos da API. As mesmas duas tarefas também fizeram agent-desktop e Cua Driver falharem, exceto a do npm, em que o agent-desktop passou. Os resultados por tarefa estão em “Resultados completos”. A configuração completa está em “Como testamos”.

ego(lite) lendo a página de detalhes de um pacote durante a tarefa do npm, com a sobreposição de controle do agente visível.

Um agente de navegador consegue fazer compras na Amazon? Nas nossas execuções, não. A tarefa pedia definir um CEP de entrega, filtrar mini PCs por RAM, SSD, preço e avaliação, conferir a página de detalhes de cada produto, listar três e adicionar um ao carrinho. O ego-browser, o agent-desktop e o Cua Driver definiram o CEP e continuaram buscando até o limite de 900 segundos, e nenhum escreveu a lista ou chegou ao carrinho. O gasto foi de $0.080, $0.079 e $0.122. A configuração completa está em “Como testamos”.

Como testamos

Executamos o DeepSeek-V4.1-Flash (deepseek-flash na API) com esforço de raciocínio high na estrutura de execução do agente pi, com suas ferramentas read, write, edit e bash e um arquivo de skill para cada ferramenta de navegador. O ego-browser controla o ego(lite). O Cua Driver 0.44.0 e o agent-desktop 1.2.0 controlam o Google Chrome pela árvore de acessibilidade do sistema.

Executamos 7 tarefas com uma tentativa por tarefa e ferramenta, 21 tentativas no total. Automação de aplicações web (2 tarefas) cobre uma busca de emprego no LinkedIn e uma busca de produtos na Amazon. Extração de dados (3) cobre o tópico de contratação do Hacker News, pacotes do npm e modelos do OpenRouter. Testes de aplicações web (2) cobrem uma demonstração de chat e uma loja com 15 casos de teste. Cada tentativa teve limite de 900 segundos, ou 1 200 para as duas tarefas de teste.

Uma tarefa passa quando a ferramenta escreve a saída e essa saída atende às verificações da tarefa. O Hacker News exigia revocação e precisão de pelo menos 0.8. O teste da loja exigia acertar 14 de 15 vereditos. O npm exigia que 90% dos campos estivessem dentro de uma margem de 5% em relação ao registro. A demonstração de chat exigia um log do servidor que correspondesse às respostas e a identificação de pelo menos dois dos três bugs inseridos. LinkedIn e OpenRouter passavam assim que a ferramenta retornasse a lista solicitada, com a correspondência de preços do OpenRouter relatada nas notas abaixo. A taxa de sucesso é calculada por tentativa. Tempo e custo são médias por tarefa nas tarefas em que ambas as ferramentas passaram, com custo aos preços de tabela da DeepSeek.

Resultados completos

TarefaTipo de trabalhoego-browseragent-desktopCua Driver
Encontrar e salvar cinco vagas de Rust remotas na UE no LinkedIn e depois configurar um alerta de vagasAutomação de aplicações webAprovado (399 s, $0.056)Limite de tempo (900 s, $0.131)Aprovado (670 s, $0.109)
Escolher três mini PCs na Amazon por especificações e avaliação e adicionar um ao carrinhoAutomação de aplicações webLimite de tempo (900 s, $0.080)Limite de tempo (900 s, $0.079)Limite de tempo (900 s, $0.122)
Vagas remotas de Rust no tópico "Who is hiring?" do Hacker NewsExtração de dadosAprovado (66 s, $0.018)Aprovado (442 s, $0.077)Limite de tempo (900 s, $0.063)
Versão, downloads semanais e licença dos primeiros 30 resultados do npm para keywords:validationExtração de dadosReprovado (900 s, $0.028)Aprovado (701 s, $0.074)Limite de tempo (900 s, $0.078)
Filtrar modelos do OpenRouter por contexto, preço, chamadas a ferramentas e entrada de imagensExtração de dadosAprovado (662 s, $0.081)Limite de tempo (900 s, $0.160)Limite de tempo (900 s, $0.145)
Executar 10 casos de teste em uma demonstração de chat pela interface web e relatar seus bugsTestes de aplicações webAprovado (383 s, $0.035)Aprovado (839 s, $0.066)Limite de tempo (1 200 s, $0.111)
Executar 15 casos de teste em uma loja de demonstração e informar aprovação ou reprovaçãoTestes de aplicações webAprovado (131 s, $0.017)Aprovado (791 s, $0.109)Aprovado (598 s, $0.076)