La interfaz de navegador que los agentes de IA merecen.

AWI es un servidor MCP que ofrece a los agentes de IA una vista compacta y semántica de cualquier página web, en lugar de 40.000 bytes de DOM sobre los que no pueden razonar.

  • IDs de elemento estables
  • Capturas eficientes en tokens
  • Sin ruido de DOM en bruto
$npx agent-web-interface install
Ver en GitHub
  • Código abierto
  • Licencia MIT
  • Funciona con Claude, GPT-4o, Gemini, Ollama
  • Requiere Node.js + Chrome

El problema

La automatización del navegador es fácil para los scripts.

Difícil para los agentes.

Las herramientas actuales vuelcan miles de tokens de ruido en el contexto del agente. Las tareas fallan a mitad de camino. Los selectores se rompen en el siguiente despliegue. Y no hay una forma estable de referenciar un elemento entre llamadas.

Comparación de salida del navegador: el DOM en bruto y el árbol de accesibilidad fallan a los agentes; Agent Web Interface lo logra.

Raw DOM

<div class="wrapper xyz-123">
  <div class="inner" data-v="8">
    <button type="submit"
      class="btn btn-primary
      x-4 y-2 md:x-6">
      Submit
    </button>
  </div>
</div>

Más de 40.000 bytes de ruido. Selectores de clase frágiles. Agotamiento del contexto.

Accessibility Tree

RootWebArea "Checkout"
  generic ""
    generic "wrapper xyz-123"
      generic "inner"
        button "Submit"
          StaticText "Submit"

Mejor, pero aún verboso. Sin IDs estables para referenciar entre llamadas.

Agent Web Interface

<page title="Checkout">
  <region role="main">
    <button
      eid="btn-1"
      label="Submit" />
  </region>
</page>

Compacto. Estable eid. Solo lo que el agente necesita.

Ejemplo en vivo

Mira lo que ve tu agente.

Cada llamada a una herramienta MCP devuelve una captura semántica estructurada, no DOM en bruto.

agent-web-interface

input → tool call

{
  "tool": "navigate",
  "params": {
    "url": "https://example.com/checkout"
  }
}

output → snapshot

<page url="https://example.com/checkout"
      title="Checkout">
  <region role="main">
    <heading level="1">Your Cart (3 items)</heading>
    <list>
      <item eid="p1">Widget Pro — $29.99</item>
      <item eid="p2">Widget Lite — $9.99</item>
    </list>
    <button eid="btn-checkout"
            label="Proceed to Payment" />
  </region>
</page>

El agente referencia btn-checkout mediante eid en cada llamada posterior: sin buscar selectores, sin volver a localizar elementos tras la navegación.

Cómo funciona

Cinco pasos. Un solo comando de instalación.

1

El agente llama a una herramienta de navegador vía MCP

navigate, click, find, type, screenshot…

2

AWI intercepta la llamada de herramienta

Un servidor local lanzado con npx, sin ningún demonio que gestionar

3

Puppeteer controla Chrome

Chrome local vía CDP: renderizado real, JS completo

4

La página se reduce a XML semántico

Encabezados, botones, enlaces, formularios, sin marcado en bruto

5

El agente recibe eids estables

Refiérete al mismo botón llamada tras llamada. Sin volver a localizar elementos.

AWI se ejecuta localmente y necesita Node.js y Chrome. Para despliegues sin servidor o compartidos, consulta AWI Cloud.

Características

Lo que los agentes obtienen y Playwright no ofrece.

Capturas semánticas

Regiones, encabezados, enlaces, botones, no un muro de DOM. Los agentes razonan sobre la estructura, no sobre el marcado.

IDs de elemento estables

Cada elemento interactivo recibe un eid estable. Refiérete a él a lo largo de 10 llamadas de herramienta: las clases CSS cambian en el siguiente despliegue, el eid no.

Eficiente en tokens

Las capturas devuelven solo la estructura que el agente necesita para actuar, no la página completa en cada llamada. Horizontes de tarea más largos. Menor gasto de tokens.

Inspección de red

Observa cada solicitud que siguió a una acción: verifica envíos de formularios, rastrea flujos de autenticación y depura redirecciones sin una pestaña de DevTools.

Inspección de canvas

Cuando la página es un canvas, un gráfico o una imagen, captura una pantalla o lee los datos del canvas directamente. Capturas semánticas donde funcionan; píxeles donde no.

Independiente del modelo

Funciona con cualquier entorno de ejecución de agentes compatible con MCP: Claude, GPT-4o, Gemini, modelos locales. Sin dependencia de un proveedor.

Lo que la gente construye

Agentes que actúan en la web real.

Agentes de investigación web

Navega, lee y extrae de páginas en vivo: monitores de precios, agregadores de noticias y rastreadores de competidores que funcionan sobre contenido renderizado real, no sobre APIs obsoletas.

QA y automatización de flujos

Recorre los flujos de registro, pago e incorporación. Rellena formularios, verifica respuestas — sin los frágiles selectores CSS que rompen las suites de Playwright.

Entrada de datos y rellenado de formularios

Inicia sesión, encuentra los campos por su etiqueta y envía, incluso en páginas donde el DOM cambia entre visitas.

Cloud gestionado

¿No quieres gestionar Chrome?

AWI Cloud ejecuta Chrome sin interfaz por ti. Conéctate con una clave API en segundos, comparte sesiones con tu equipo y paga solo por el tiempo de navegador que uses.

  • Sin Chrome ni Node.js local que instalar, solo una clave API
  • Comparte sesiones de navegador y credenciales con tu equipo
  • Paga por minuto, sin tarifas por usuario ni compromisos
  • Empieza gratis, mejora cuando escales

Preguntas frecuentes

Preguntas que hacen los agentes (y sus desarrolladores).

¿Qué es Agent Web Interface (AWI)?

AWI es un servidor MCP de código abierto que da a los agentes de IA una vista compacta y semántica de cualquier página web. En lugar de DOM en bruto o árboles de accesibilidad verbosos, devuelve instantáneas XML estructuradas con identificadores de elemento estables (eids) que los agentes pueden referenciar a lo largo de varias llamadas de herramienta.

¿En qué se diferencia AWI de los servidores MCP de Playwright o Puppeteer?

Playwright y Puppeteer se crearon para scripts deterministas, así que sus envoltorios MCP entregan al agente DOM en bruto o largos volcados de accesibilidad que saturan su contexto. AWI devuelve solo la estructura semántica que el agente necesita — encabezados, botones, enlaces, formularios — con eids estables, de modo que las tareas duran más con muchos menos tokens.

¿Cómo reduce AWI el uso de tokens?

Una página típica tiene más de 40.000 bytes de DOM. AWI la reduce a una instantánea compacta — a menudo menos de 1 KB — que contiene solo los elementos interactivos y estructurales que el agente necesita para actuar. Eso significa menos tokens por paso y tareas de varios pasos más largas antes de que se llene el contexto.

¿Con qué modelos de IA y agentes funciona AWI?

Con cualquier runtime compatible con MCP: Claude, GPT-4o, Gemini y modelos locales mediante Ollama. AWI habla directamente el Model Context Protocol, así que no hay código de integración específico de cada modelo ni dependencia de un proveedor.

¿Es AWI gratuito y de código abierto?

Sí. AWI tiene licencia MIT y se desarrolla de forma abierta en GitHub, por lo que puedes alojarlo tú mismo gratis. Hay un AWI Cloud gestionado para equipos que prefieren no ejecutar Chrome por su cuenta.

¿Necesito ejecutar un navegador de forma local?

El servidor local controla una instancia real de Chrome mediante Puppeteer, así que necesitas Node.js y Chrome. Si prefieres no gestionar eso, AWI Cloud ejecuta Chrome headless por ti detrás de una clave de API.

Empezar

Un comando. Agentes navegando.

$npx agent-web-interface install

Código abierto · Licencia MIT · Funciona con Claude, GPT-4o, Gemini y cualquier agente compatible con MCP.