Stagehand：自然言語とコードを使い分けるブラウザエージェントSDK

テスト用自動化からエージェント用操作へ

Stagehandはブラウザエージェント向けのSDKです。READMEは、Selenium、Playwright、Puppeteerのように低レベルなコードを大量に書く道具と、自由度が高い反面、本番で予測しにくい高レベルエージェントの間を埋める位置づけを示しています。TypeScriptを中心に、PythonとGoからも利用でき、既存のブラウザ自動化の考え方を残したまま、自然言語による指示を処理に混ぜられます。

この設計の価値は、AIを使うこと自体ではなく、AIに任せる範囲をコード側から選べることです。ログイン後の決まった遷移や厳密な検証は通常のAPIで書き、画面変更に弱い探索だけをエージェントに渡す構成が取りやすくなります。これはREADMEが示す設計意図であり、あらゆるサイトで同じ信頼性になるという保証ではありません。

act、agent、extractが分ける責任

最小例では、Stagehandのコンテキストからページを取得し、GitHubのURLへ移動した後、3つのメソッドを使います。actはリポジトリをクリックするような単発の操作、agentは最新のプルリクエストへ進むような複数ステップの仕事、extractはZodスキーマを使って作者やタイトルなどの構造化データを取り出す役割です。単なる文字列入力ではなく、操作、計画、データ化を分けて読める点が実装上の手掛かりになります。

READMEでは、コードと自然言語を選択的に使う例として、未知のページにはAIを使い、動作が明確な箇所は通常のコードで固定する方針が説明されています。extractの出力はスキーマで形を定められますが、抽出値の正しさを自動で保証するものではありません。後続処理に渡す前に、必須項目、型、対象ページの版を検証する設計が必要です。

キャッシュと自己修復は呼び出し回数を減らす仕組み

Stagehandが掲げるキャッシュは、過去のAIアクションを保存し、同じ処理を毎回LLMに推論させずに再利用する考え方です。サイト側の変更で既存の操作が使えなくなった場合だけAIを再度呼び出し、次の操作を更新する自己修復が説明されています。プロジェクトは、この仕組みによって時間とトークンを節約できるとしています。

ただし、自己修復が成功したかどうかは、操作が完了しただけでは分かりません。ボタンを押せても、意図したアカウントやレコードを変更したとは限らないため、画面上の結果を確認するアサーションを残すべきです。READMEにはこの機能の独立ベンチマークや、サイト変更の種類ごとの成功率はありません。コストや安定性を見積もるなら、対象サイトの代表シナリオを固定して比較する必要があります。

最小導入とソースビルドの境界

クイックスタートの入口はnpx create-browser-appです。READMEはdocs.stagehand.devのクイックスタートも案内していますが、この一行がStagehand本体をどのように配置するか、生成される構成が何かまでは詳しく説明していません。サンプルではCDPエンジンが自動化向けの低レベルなブラウザインターフェースを提供するとされています。

ソースから試す場合は、リポジトリをcloneし、pnpm install、pnpm run build、pnpm run exampleを順に実行します。環境変数は.env.exampleを.envへコピーして編集し、LLMプロバイダーのAPIキーとBrowserbaseの認証情報を用意します。GitHubのブランチからpackages/coreを直接インストールする方法もありますが、利用するブランチ名を固定し、依存関係と生成物を記録しておきたいところです。対応するLLMプロバイダーの一覧や認証情報の取得手順は、今回のREADMEだけでは網羅されていません。

ブラウザエージェントを運用に置く前の確認

StagehandのREADMEは、開発者がブラウザ操作のどこを決定的にし、どこを柔軟にするかを設計するSDKとして読むと分かりやすい内容です。ページ探索、クリック、抽出を同じ文脈に置ける一方、ログイン情報、支払い画面、個人データを含む処理では、自然言語プロンプトや取得結果がどこへ渡るかを確認しなければなりません。READMEはネットワークレベルのセキュリティに触れますが、ここで安全性を独立に証明する資料ではありません。

本番候補を試すなら、読み取り専用のページから開始し、成功条件をDOMの状態や抽出スキーマで明示し、失敗時のスクリーンショットとログを保存します。メンテナーは信頼性、拡張性、速度、コストの順を優先分野として挙げ、質問や大きな機能提案はDiscordへ案内しています。これは開発方針の説明であり、サービスレベルや個別サイトの互換性を約束するものではありません。

MITライセンスが許すことと残す責任

リポジトリはMITライセンスです。READMEの著作権表記はBrowserbase, Inc. 2025、ライセンス本文の抜粋にはBrowserbase Inc. 2024とあり、使用、複製、変更、結合、公開、配布、サブライセンス、販売を、著作権表示と許諾表示を残す条件で認めています。ソフトウェアは現状のまま提供され、保証はなく、利用による請求や損害について著作権者が責任を負わない条項もあります。

MITであることは、Stagehandを使うコードの品質や運用責任を移してくれるわけではありません。ブラウザの仕様変更、LLMの出力揺れ、対象サイトの利用規約、APIキーの保護は利用側の課題です。READMEの範囲で確認できるのはSDKの設計と導入入口までなので、採用判断では対象サイト、モデル、実行環境を組み合わせた検証を別に用意したいです。

編集部の結論

Stagehandは、ページの構造が読める部分をコードで固定し、変化しやすい部分だけを自然言語エージェントに任せたい開発者向けのSDKです。act、agent、extractの役割は分かれていますが、READMEだけでは対応モデル、費用、ベンチマーク、本番運用の実績までは確認できません。採用時は対象サイトの変化と認証情報の扱いを小さな検証フローで確かめるのが先です。

公式情報源

1. Official documentation
2. Official README
3. Project repository
4. Release notes