Webwright 入門 - ターミナルで Playwright コードを書く Microsoft の Web エージェント

ブラウザを操作する AI エージェントというと、「画面を見て、次にどこをクリックするかを1手ずつ予測する」イメージがあります。これに対して Microsoft Research が2026年5月に公開した Webwright は、まったく別のアプローチを取ります。エージェントがターミナルで bash と Playwright のコードを書いて Web タスクをこなす——いわば「コード・アズ・アクション」型の Web エージェントです。

しかもコアはわずか1,000〜1,500行ほどとミニマル。それでいて長時間タスクのベンチマークで SOTA（最高水準）を更新しました。この記事では、Webwright の仕組み・ベンチ結果・使い方・設計思想を、公式リポジトリ（microsoft/Webwright）と Microsoft Research の記事を一次ソースに整理します。

何が新しいのか: 「クリック予測」から「コードを書く」へ

従来の多くのブラウザエージェントは、スクリーンショットを見て「次に押す座標」や「DOM 上の要素」を1手ずつ選びます。Webwright の発想はこうです。

• エージェントはターミナルを与えられ、bash コマンドと Playwright のコードを書いて実行する
• 永続する成果物はブラウザのセッションではなく、ワークスペース上のコードとログである

公式の言葉を借りれば「The persistent artifact is not the browser session, but the code and logs in the local workspace（永続する成果物はブラウザセッションではなく、ローカルワークスペース上のコードとログだ）」。エンジニアが手元で RPA スクリプトを書いて回すのと同じやり方を、AI にそのままやらせる、というわけです。

この方式の利点は2つです。

• 頑健で再利用できる: ワークフローを一度プログラムとして書けば、再実行・改変・共有ができる。座標クリックのような壊れやすさがない
• 効率的: 1手ずつプリミティブな操作を出すのではなく、多数の Web 操作を1ステップ内で連鎖でき、複数のブラウザセッションを並行して扱える

ミニマルな設計

Webwright のもう一つの主張は「モデルが賢くなるほど、作り込んだエージェントの足場（harness）はむしろ足かせになる」という思想です。そのためコアは極めて小さく作られています。

マルチエージェントのオーケストレーションやグラフエンジンの類は無く、「ターミナル・ブラウザ・モデル」だけ。依存も httpx / pydantic / playwright / typer 程度です。

対応モデルバックエンドは OpenAI / Anthropic / OpenRouter。それぞれの API キー（OPENAI_API_KEY など）を使います。ライセンスは MIT です。

ベンチマーク結果

数字が説得力を持つ領域です。公式が示す主な結果です。

Odysseys（200 の長時間タスク）

長時間（100ステップ規模）のタスクで、既存 SOTA を 15.6 ポイント上回り、素の GPT-5.4 比では 33.5% → 60.1% へと大きく改善しています。「コードを書く」方式が、ステップごとの座標予測を全難易度で上回った、というのが要点です。

Online-Mind2Web（300 の実サイトタスク）

コスト効率にも触れられており、GPT-5.4 は1タスクあたり平均 約 $2.37、Claude は約 $6.09。最初の50ステップで 82% の精度に達する、という分析もあります（いずれも公式記事の数値）。

インストールと使い方

前提は Python 3.10+、Playwright 経由の Chromium、そして選んだバックエンドの API キーです。

pip install -e .
playwright install chromium
export OPENAI_API_KEY="your-key"   # Anthropic を使うなら ANTHROPIC_API_KEY

タスクの実行は CLI から。設定 YAML を重ねて（-c）、タスク文（-t）と開始 URL を渡します。

python -m webwright.run.cli \
    -c base.yaml -c model_openai.yaml \
    -t "Search for flights from SEA to JFK on 2026-08-15 to 2026-08-20" \
    --start-url https://www.google.com/flights \
    --task-id demo_openai \
    -o outputs/default

設定は src/webwright/config/ の YAML をスタックする方式（base.yaml ＋ model_openai.yaml など）。実行結果はワークスペースにコード・ログ・スクリーンショットとして残り、task.json / report.json を生成して Flask 製のダッシュボードで振り返ることもできます。

Claude Code / Codex への組み込み

Webwright は単体 CLI だけでなく、各種エージェントのプラグイン/スキルとしても配布されています。たとえば Claude Code には次のように入れられます。

/plugin marketplace add microsoft/Webwright
/plugin install webwright@webwright
/webwright:run <タスク>
/webwright:craft <再利用するタスク>

OpenAI Codex には codex plugin marketplace add microsoft/Webwright で追加し、チャット内で @webwright を使う、といった具合です。手元のコーディングエージェントから「Web 操作だけ Webwright に任せる」という連携ができます。MCP 経由でブラウザを操る Playwright MCP とはアプローチが異なり、こちらはエージェント自身に Playwright コードを書かせるのが特徴です。

設計思想と限界

Webwright のチームは、開発で直面した課題も率直に挙げています。記事化のうえで知っておくと誠実です。

• 早すぎる「完了」宣言: タスク未達なのに done と言ってしまう問題に対し、自己反省（self-reflection）のゲートを入れた
• コンテキスト爆発: 長いタスクで履歴が膨れるため、20ステップごとに履歴を圧縮している
• スクリプト再利用の難しさ: 再利用前の検証、サイレント障害の検知、古くなったスクリプトの更新・廃棄といった仕組みが今後の課題

また「小さなモデルは、あらかじめ用意したツールがある方がうまく動く」とも述べられており、コードを書く方式は強いモデルほど効く傾向があります。万能ではなく、モデル品質に成績が依存する点は押さえておきましょう。

まとめ

• Webwright は Microsoft Research のターミナルネイティブな Web エージェントフレームワーク（2026年5月公開、MIT）
• クリックを1手ずつ予測せず、エージェントが bash と Playwright コードを書いて実行する「コード・アズ・アクション」型。永続成果物はワークスペースのコードとログ
• コアは約1,000〜1,500行とミニマル。「強いモデルほど足場は薄くてよい」という思想
• ベンチでは Odysseys で 60.1%（素の GPT-5.4 の 33.5%、既存 SOTA 44.5% を更新）、Online-Mind2Web でも高成績
• 導入は pip install -e . ＋ playwright install chromium、CLI でタスク実行。Claude Code / Codex のプラグインとしても使える
• 限界として、完了の誤判定（自己反省ゲート）・コンテキスト爆発（20ステップ毎に圧縮）・スクリプト再利用の検証が課題

「Web エージェントに必要なのは、凝った足場ではなくターミナルだった」——Webwright はその主張を、小さなコードベースと高いベンチ結果で示したフレームワークです。ブラウザ自動化を再実行できるコード資産として残したい場面で、特に効いてきます。

参考リンク

• microsoft/Webwright（GitHub）
• Webwright: A Terminal Is All You Need For Web Agents（Microsoft Research）
• Webwright（公式サイト）
• Playwright MCP でブラウザ自動化（当ブログ）
• OpenAI Codex CLI 実践入門（当ブログ）