Agente de navegador: decisiones que caducan
Distingue observación, decisión y acción. Un localizador actualizado no garantiza una decisión vigente: comprueba la identidad, los datos y el resultado.
BotBrowser Team
Quieres la documentación estructurada de Despliegue?
Este artículo forma parte de la biblioteca editorial. Para pasos de configuración, material de referencia y actualizaciones continuas, entra en la sección de docs.
Un agente de automatización del navegador puede elegir el registro correcto en una captura de página y actuar sobre otro un instante después. La página sigue cambiando mientras el agente decide. BotBrowser ofrece ajustes de identidad por contexto con un ciclo de configuración documentado; no conserva el significado de una captura antigua, no congela los datos de la aplicación ni autoriza una acción posterior. Un entorno de navegador reproducible y una decisión de negocio vigente son requisitos distintos, y ninguno garantiza la respuesta del destino.
La frontera difícil está entre observación y ejecución, no entre un paquete de agentes y su ejecutable. La guía de integración de navegadores sin interfaz trata el arranque y la visibilidad de herramientas; la guía de configuración de browser-use trata ese framework. Un agente en ejecución necesita además un contrato temporal: qué hechos justificaron su decisión, qué cambios los invalidan y qué resultado demuestra lo que realmente ocurrió.
TL;DR
- Una observación describe la página en un momento concreto; no bloquea su estado posterior.
- Un localizador de Playwright resuelve elementos DOM actuales en cada acción. Puede evitar un nodo separado sin conservar la identidad de negocio de la selección anterior.
- Las comprobaciones de interacción no establecen el precio, destinatario, revisión o autorización vigentes.
MutationObserverinforma de cambios DOM configurados. El silencio de un observador limitado no demuestra que la aplicación permaneciera igual.- Antes de una acción con consecuencias, compara los campos de negocio que la justifican. Rechazar atómicamente un cambio intermedio exige comprobaciones de revisión en la aplicación.
- Tras un envío incierto, aclara el resultado en la aplicación antes de proponer otra escritura.
Contenido
- El ciclo tiene tres relojes distintos
- Un localizador actual puede ejecutar una decisión caducada
- La interacción posible no equivale a vigencia semántica
- La evidencia de mutaciones tiene un alcance configurado
- Define el registro de decisión antes de actuar
- Revalida sin suponer que la página está bloqueada
- Atribuye los resultados y limita la incertidumbre repetida
- Conclusión práctica
El ciclo tiene tres relojes distintos
Un ciclo de observar, decidir y actuar suele dibujarse como un círculo, pero la página no espera a que termine. La observación puede producir una imagen, un árbol de accesibilidad o ciertos campos del DOM. Después, el agente razona sobre esa representación. La ejecución acaba enviando un comando, resolviendo su objetivo e interactuando con la página actual. Durante esos intervalos, un temporizador, una respuesta, otra pestaña u otro usuario pueden modificar la aplicación. La evidencia anterior no se traslada automáticamente al momento de la acción. Un mensaje es una representación; el análisis de reducción para IA separa entrega de protocolo y observación real del modelo.
Conviene registrar al menos tres fronteras: observación terminada, decisión producida y acción iniciada. Una secuencia ilustrativa puede llamarlas O1, D1 y A1; son marcas lógicas, no duraciones medidas. El intervalo entre O1 y A1 incluye latencia del modelo, colas del sistema anfitrión, esperas de aprobación, transporte de herramientas y espera del navegador. Una respuesta rápida del modelo no demuestra que se ejecutara sobre datos actuales. Una demora larga tampoco prueba caducidad: depende de qué cambió.
La cronología separa dos afirmaciones fáciles de confundir. O1 puede describir correctamente la revisión v4, mientras que la acción en A1 puede interactuar correctamente con v5. Ambas herramientas pueden funcionar según su diseño. El fallo reside en una decisión que todavía presupone v4. La documentación de localizadores de Playwright explica la resolución actualizada de elementos, pero no una transacción de negocio entre captura y acción.
El resultado del agente debe conservar la frontera de observación, no solo la respuesta final en prosa. El anfitrión puede asociar un identificador de observación y la clave del registro a la acción propuesta. Si una herramienta posterior devuelve otra clave o un valor relevante distinto, existe una razón concreta para pedir una nueva decisión. Guardar únicamente observedAt es más débil: el tiempo transcurrido aporta contexto, pero no identifica qué supuesto cambió.
Un localizador actual puede ejecutar una decisión caducada
Considera una cola de tareas propia e ilustrativa. En O1, la primera fila representa R12 y la segunda R17. El agente elige la segunda porque R17 tiene el estado requerido. Antes de ejecutar, una actualización inserta R09 al principio. Ahora la segunda fila es R12. Un comando dirigido al segundo botón puede encontrar un elemento único, visible y habilitado que corresponde al registro equivocado. Es una transición construida, no una ejecución de navegador capturada.
| Frontera | Claves ordenadas | Significado de la segunda fila |
|---|---|---|
Observación O1 | R12, R17 | El registro R17 justificó la decisión |
Actualización anterior a A1 | R09, R12, R17 | El registro R12 ocupa ahora esa posición |
| Nueva observación por clave | Localizar R17 y leer su estado actual | La identidad solo se conserva si la clave sigue identificando el objeto previsto |
Playwright advierte expresamente que las selecciones posicionales con first(), last() y nth() pueden apuntar a otro elemento cuando cambia la página. Su guía también indica que cada acción resuelve un elemento DOM actualizado. Ambas propiedades son compatibles: el framework encuentra correctamente el segundo botón actual, aunque «segundo» ya no exprese la intención del agente. Una referencia reciente no actualiza la interpretación de la tarea.
También importa el caso inverso. El framework puede sustituir un nodo DOM conservando la misma clave y el mismo estado de negocio. Tratar cada sustitución como un objeto de negocio nuevo provocaría replanteamientos innecesarios. La vida del nodo, su posición en la lista y el identificador de la aplicación representan identidades distintas. El agente necesita la adecuada para la tarea, por ejemplo una clave estable y el estado usado al decidir, no una preferencia universal por una forma de selector.
Un nombre accesible puede seguir igual mientras cambia su significado alrededor. Dos registros pueden ofrecer un botón Open, o una operación revisada puede adquirir otro importe sin cambiar su etiqueta. Localizar por rol y nombre describe mejor el objetivo, pero sigue haciendo falta una frontera de registro que lo desambigüe. El registro de decisión debe explicar por qué se eligió ese objeto, no limitarse a reproducir el localizador que permite alcanzarlo.
La interacción posible no equivale a vigencia semántica
Para locator.click(), Playwright comprueba que el localizador resuelva un elemento y que cumpla las condiciones de interacción documentadas. Incluyen visibilidad, estabilidad, recepción de eventos, habilitación y, en la documentación actual, ausencia de inercia. La referencia de comprobaciones de interacción define estabilidad como un rectángulo delimitador sin cambios durante al menos dos fotogramas consecutivos de animación. No la define como datos de negocio ni revisión de servidor invariables.
La distinción afecta a comprobaciones aparentemente fuertes. Un botón puede dejar de moverse mientras cambia su registro asociado. Puede recibir eventos mientras se actualiza el precio contiguo. Un control habilitado puede enviar una petición que la aplicación rechace después. No contradicen la espera automática: la capa de interacción responde una pregunta más estrecha. Registrar solo click completed no demuestra que sobrevivieran las condiciones previas de la decisión.
| Capa de evidencia | Comprobación concreta | Conclusión respaldada | Conclusión pendiente |
|---|---|---|---|
| Interacción | locator.click() supera las comprobaciones | La interacción cumplió los requisitos de la API al ejecutarse | Si los valores actuales aún corresponden a la decisión |
| Semántica de página | Clave R17, estado queued, revisión v4 actuales | Los campos coincidían durante esa lectura | Si una mutación posterior del servidor utiliza esa revisión |
| Resultado de aplicación | Respuesta definida para R17 | La respuesta establece su resultado documentado | Efectos fuera del alcance de esa respuesta |
La segunda fila no sustituye a la tercera. Leer una revisión y después pulsar deja un intervalo para otra actualización. Si el flujo requiere «aplicar solo si sigue en v4», la aplicación debe admitir y hacer cumplir esa condición al modificar los datos. El navegador no puede inventar una operación atómica de comparar y actualizar aumentando la frecuencia de consulta del DOM.
La tercera fila tampoco equivale a una indicación visual. Una notificación puede significar petición enviada, puesta en cola o aceptada para procesamiento, según su texto y contrato. Interpretar las tres como una operación de negocio completada borra una distinción necesaria para recuperarse. Conserva la categoría realmente comunicada, sin convertir todo mensaje verde en finished.
La evidencia de mutaciones tiene un alcance configurado
MutationObserver ayuda a explicar por qué una observación anterior ya no coincide con el DOM. Observa un nodo, opcionalmente su subárbol, y los tipos de cambio configurados. La referencia de observe en MDN distingue childList, attributes y characterData; attributeFilter limita los atributos notificados. Esas opciones forman un instrumento diagnóstico útil, no un observador universal del estado de la aplicación.
Si el observador vigila adiciones y eliminaciones con childList, pero no atributos, puede no comunicar un cambio exclusivamente de atributos. Vigilar una lista pequeña no cubre un panel de cuenta independiente ni otro documento. Además, el servidor puede mantener estado pendiente que no aparece en ese subárbol. Un observador silencioso significa que no se obtuvo una notificación coincidente en su cobertura, no que nada relevante cambiara en ninguna parte.
La documentación de la interfaz MutationObserver distingue las funciones de notificación de takeRecords(), que extrae las notificaciones en cola y las devuelve. Un recolector que vacía la cola altera lo que queda para la función de notificación. El diagnóstico debe conservar qué mecanismo consumió los registros; no se pueden interpretar dos salidas vacías sin saber si otro consumidor ya los retiró.
El momento de entrega añade otra frontera. MDN explica que los cambios en un subárbol separado pueden seguir notificándose hasta entregar la notificación de eliminación; los posteriores dejan de observarse mediante aquella suscripción original. Registrar la eliminación no concede cobertura permanente sobre el nodo allí donde la aplicación lo mueva. El objetivo del observador y su duración deben acompañar al resumen de mutaciones.
Los registros de mutación sin filtrar pueden contener información privada. Para diagnosticar caducidad quizá baste record-key changed, revision changed o un recuento de cambios estructurales pertinentes. No envíes nodos de texto completos, valores de formularios ni atributos antiguos al agente solo porque el observador permita leerlos. Define cobertura y minimización: recoge los campos mínimos capaces de invalidar la decisión y excluye el contenido ajeno del rastro de razonamiento.
Define el registro de decisión antes de actuar
Un registro de decisión vincula la operación propuesta con su justificación. En la cola ilustrativa, son útiles el identificador O1, el objetivo lógico R17, el estado queued, la revisión v4 si la aplicación la expone y la clase de operación prevista. Son ejemplos de un contrato del anfitrión, no campos estándar de Playwright ni una promesa de que cualquier sitio tenga revisiones. Sin clave o revisión utilizables, la afirmación verificable debe ser más limitada.
| Campo del registro | Valor ilustrativo | Utilidad |
|---|---|---|
| Referencia de observación | O1 | Vincula la decisión con una representación devuelta |
| Contexto y objetivo | ctx-a, R17 | Evita reutilizar por accidente evidencia de otra sesión o registro |
| Campos que sustentan la decisión | status=queued, revision=v4 | Identifica los supuestos que deben revalidarse |
| Operación propuesta | open-details | Distingue una lectura de un envío que modifica estado |
| Categoría actual del resultado | not-started | Separa propuesta y acción ejecutada |
No incluyas todos los campos solo para que el registro parezca completo. Si la decisión depende únicamente del estado, un sello temporal ajeno puede provocar invalidaciones innecesarias. Si depende del importe y destinatario, la clave no basta. Los campos deben derivarse del motivo de la elección. Sus reglas de comparación también importan: una cadena puede cambiar de formato sin cambiar su valor de negocio, y una cifra redondeada puede ocultar diferencias relevantes.
La pertenencia a un contexto exige un tratamiento propio. La documentación de identidad por contexto de BotBrowser describe identidades separadas y un ciclo que sella su configuración después de arrancar el primer renderer. Esa frontera ayuda a asociar una identidad declarada a un contexto. No significa que su página, credenciales, cuenta remota o datos de aplicación dejen de cambiar. El anfitrión debe seguir vinculando O1 y R17 al contexto correcto de la tarea.
El registro debe sobrevivir al transporte de herramientas sin convertirse en un tutorial del protocolo. La frontera de mensajes MCP explica por qué correlacionar peticiones no equivale a controlar el estado del navegador. El identificador de mensaje permite emparejar un resultado, pero no sustituye la clave del objeto ni establece su vigencia. Conserva esos identificadores por separado en lugar de convertir uno en prueba universal de sesión.
Revalida sin suponer que la página está bloqueada
La revalidación responde una pregunta concreta: ¿la evidencia actual aún respalda la acción propuesta? Para R17, puede consistir en comprobar clave, estado y revisión actuales mediante la interfaz admitida por la aplicación antes de abrir detalles. Si cambia el estado, obtiene una observación nueva y reconsidera la operación. Si solo cambia otra fila no relacionada, la decisión quizá siga siendo válida. Reiniciar todo ante cualquier modificación DOM elimina esa distinción.
Hay tres fronteras progresivamente más fuertes, pero distintas. Volver a leer reduce la antigüedad de la evidencia de página. Una operación protegida puede rechazar una revisión discrepante si la aplicación admite ese contrato. Un resultado confirmado establece el desenlace dentro de su alcance documentado. Ninguna de ellas debe presentarse como una propiedad automática de un framework de agentes, un localizador o un perfil de BotBrowser.
Evita encadenar muchas acciones no examinadas a partir de una sola observación antigua. Seleccionar un registro, abrir un diálogo y enviar un cambio cruza varias fronteras de estado. El diálogo puede mostrar otro destinatario, un importe actualizado o un permiso nuevo. La siguiente acción debe utilizar esos datos recién observados, no heredar autorización por el éxito del clic anterior. Un destino o parámetro con consecuencias diferente requiere una decisión nueva.
La revalidación también puede revelar datos. Devolver una captura completa después de cada cambio pequeño crea copias repetidas de contenido privado sin mejorar la comparación pertinente. Una aplicación propia puede ofrecer un conjunto mínimo y tipado de campos cuando esa interfaz exista y su uso esté autorizado. Si solo hay evidencia visual, conserva esa limitación y aplica las reglas de acceso y retención del anfitrión, sin suponer que más contexto siempre es mejor.
Atribuye los resultados y limita la incertidumbre repetida
Las categorías de fallo deben identificar el primer supuesto sin respaldo. Varias coincidencias indican un objetivo ambiguo. Campos actuales discrepantes indican evidencia de decisión caducada. Un tiempo de espera agotado puede significar que falló una espera, pero después de un envío posible no demuestra ausencia de cambio en el servidor. Un rechazo de aplicación es otro resultado. Reiniciar el ciclo para todos esos casos puede repetir una operación con consecuencias y ocultar la causa inicial.
En el ejemplo R17, una consulta de detalles normalmente puede reconsiderarse desde una observación nueva dentro de la autorización existente. Una escritura posiblemente enviada necesita otra recuperación: consultar un estado o identificador de operación admitidos por la aplicación, o entregar el caso incierto a su responsable. Que R17 exista en el DOM no demuestra si la modificación anterior se confirmó. La evidencia procede del contrato de resultados, no de una instrucción más insistente al modelo.
Limita la recuperación mediante transiciones significativas, no solo un número de intentos. Si una observación nueva sigue sin distinguir el objeto, repetir la misma acción no añade evidencia. Si no hay forma de aclarar una escritura posiblemente enviada, detén su reenvío automático. Si cambian autorización, origen, destinatario o importe, vuelve a la frontera de decisión correspondiente. Son motivos observables para parar, no conjeturas basadas en la confianza del agente.
Un rastro operativo puede conservar O1, el objetivo propuesto, la revalidación y la categoría de resultado sin copiar el contenido de la cuenta. Así se distinguen observación caducada, regla de selección incorrecta, conflicto de aplicación y confirmación incierta. También hace honesto el cierre: cerrar el contexto termina ese recurso local, pero no revierte una modificación remota ni demuestra que el servidor eliminara sus datos asociados.
Preguntas frecuentes
¿Una captura reciente hace atómica la acción siguiente?
No. Aporta evidencia visual más reciente, pero la aplicación puede cambiar después. Cuando hace falta, la comprobación atómica de revisión corresponde a una operación admitida por la aplicación, no al momento de la captura.
¿La espera automática de Playwright mantiene vigente la decisión?
No. Espera las condiciones de interacción documentadas. Un elemento utilizable ahora puede representar un registro, precio o estado distintos de la evidencia que utilizó el agente.
¿MutationObserver demuestra que no cambió nada relevante?
En general, no. Comunica mutaciones DOM coincidentes dentro del objetivo y las opciones configuradas. No observa de forma completa datos remotos, otros documentos o transacciones de negocio.
¿Una identidad aislada impide cambios en la aplicación?
No. Identidad de contexto y estado de aplicación tienen ciclos diferentes. La tarea sigue necesitando evidencia actual del objetivo, autorización y una comprobación de resultado definida por la aplicación.
Fuentes
- Playwright: comprobaciones de interacción y espera automática
- Playwright: resolución y unicidad de localizadores
- MDN: interfaz MutationObserver
- MDN: opciones de cobertura de MutationObserver.observe
- BotBrowser: ciclo de identidad por contexto
Conclusión práctica
Vincula cada decisión del agente de automatización del navegador con la observación y los campos que la justifican. Localiza de nuevo el objeto previsto, compara los datos capaces de invalidar la elección y separa interacción correcta de resultado correcto. Utiliza controles de revisión admitidos cuando un conflicto deba rechazarse al confirmar, y aclara las escrituras inciertas antes de reintentarlas. Un contexto controlado explicita el entorno; no devuelve vigencia a una decisión antigua.
Este artículo forma parte de la guía: Despliegue y versión del navegador: mapa operativo
Artículos Relacionados
Navegadores headless para agentes de IA
DespliegueAutomatización de navegador con Stagehand
Primeros pasosConfigurar browser-use con un navegador controlado
Huella digitalIA para web scraping: lo que el modelo no ve
DespliegueSeñales de automatización y coherencia en Playwright
DesplieguePlaywright MCP con un build propio de Chromium
Ejecuta la misma comprobación en BotBrowser
Carga un perfil, mantén dentro del navegador las señales que acabas de leer y confirma el resultado en tu propia máquina antes del despliegue.