C'est une affirmation dangereuse. Le marché de l'automatisation des navigateurs IA devrait passer de 4,5 milliards de dollars à 76,8 milliards de dollars d'ici 2034. Vercel Labs a livré Agent-Browser en janvier 2026 avec une CLI Rust et plus de 14 000 étoiles GitHub. Microsoft a lancé@playwright/clisemaines plus tard. Anthropic a Claude pour Chrome avec un accès direct au DOM via une extension Chrome. L'utilisation du navigateur compte plus de 78 000 étoiles. Stagehand en compte plus de 21 000.
Et je dis un outil CDP de 200 lignes avecpip installer tappiest meilleur que tous dans ce qui compte le plus pour les agents IA : le nombre de jetons nécessaires pour effectuer un travail utile dans un navigateur.
Laissez-moi le prouver.
Chaque agent IA qui touche un navigateur est confronté au même goulot d'étranglement : l'agent doit comprendre ce qu'il y a sur la page avant de pouvoir agir. La méthode que vous choisissez pour représenter cette page au LLM détermine tout : la rapidité avec laquelle cela fonctionne, combien cela coûte et même si cela réussit.
Il existe aujourd’hui trois approches dans la nature, et deux d’entre elles sont en feu.
Envoyez une capture d'écran pleine page au LLM. Laissez-le « voir » la page.
Outils : utilisation anthropique de l'ordinateur, opérateur OpenAI
Le problème : une seule capture d’écran coûte entre 5 000 et 10 000 jetons en traitement de vision. Le modèle doit ensuite deviner les coordonnées des pixels pour savoir où cliquer. C'est comme demander à quelqu'un de faire fonctionner un ordinateur en décrivant des captures d'écran au téléphone. Les tests d'utilisation de l'ordinateur montrent des taux de réussite de l'ordre de 50 à 70 % sur des tâches réelles – impressionnants pour une première tentative, mais fondamentalement limités par le paradigme de la estimation des pixels.
Coût par interaction de page : environ 5 000 à 10 000 jetons
Extrayez l'arborescence d'accessibilité DOM ou ARIA de la page et envoyez-la au LLM sous forme de texte structuré.
Outils : Playwright MCP, outil de navigation OpenClaw, utilisation du navigateur, Stagehand
Le problème : une seule page riche en contenu produit plus de 15 000 à 50 000 jetons de données d’arborescence. Reddit avec son
Coût par interaction de page : environ 15 000 à 50 000+ jetons
Indexez les éléments interactifs de la page dans une liste compacte. Donnez au LLM uniquement ce dont il a besoin pour agir.
Outils : Tappi, Agent-Browser (Vercel Labs), @playwright/cli
C'est la bonne idée. Mais les implémentations varient énormément en termes de compacité réelle, de ce qu'elles peuvent atteindre et de la manière dont elles se connectent au navigateur. C'est là que réside la véritable différenciation.
Coût par interaction de page : environ 200 à 2 000 jetons (varie selon l'outil)
Permettez-moi de donner à chaque acteur majeur son juste crédit avant d’expliquer pourquoi Tappi fait mieux.
Agent-Browser est ce qui se rapproche le plus de Tappi en philosophie. Vercel Labs l'a livré en janvier 2026 avec une CLI Rust, un démon Node.js et un système « Snapshot + Refs » qui utilise@e1,@e2des références au lieu d’arborescences DOM complètes. Il revendique une réduction de 90 % des jetons par rapport à Playwright MCP et a gagné plus de 14 000 étoiles GitHub.
Le mérite est dû : Agent-Browser a popularisé le concept compact-refs dans le discours sur les outils d'IA. Le blog Pulumi l'a qualifié de « une idée intelligente ». C'est une véritable avancée.
@playwright/cli est la réponse de Microsoft au problème...
[Courte citation de 8% de l'article original]