Turbo-Browser-MCP: 10 herramientas y 94% menos tokens

¿Qué es Turbo-Browser-MCP y por qué importa el gasto de tokens?

Un agente que navega la web paga tokens por cada paso: leer la página, rellenar un campo, elegir una opción, subir un archivo y verificar el resultado. Turbo-Browser-MCP ataca esa factura desde la raíz: es un servidor MCP construido sobre Playwright que agrupa las 25 a 33 primitivas de navegador que exponen los servidores convencionales en 10 herramientas por lotes, con snapshots de DOM por delta y un guard de envío activado por defecto.

El proyecto, publicado en GitHub y presentado en Hacker News, compara su esquema contra dos referencias instaladas en disco: @playwright/mcp declara 25 herramientas que ocupan 3.917 tokens, y chrome-devtools-mcp declara 33 herramientas que ocupan 6.737. El esquema compacto de Turbo-Browser-MCP queda en 3.010 tokens, un 23,2% y un 55,3% menos. Ese costo se paga en cada turno de la conversación, incluso cuando el agente ni siquiera toca el navegador.

Para dimensionar: un Model Context Protocol (MCP) es el estándar abierto que permite a un modelo de lenguaje descubrir y ejecutar herramientas externas. Cuantas más herramientas declaradas, más contexto fijo viaja en cada llamada al modelo.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

¿Cuántos tokens ahorra un snapshot de DOM en un agente de IA?

Los benchmarks del repositorio se corrieron en Chromium headless local con tokenización exacta o200k_base vía tiktoken 0.14.0. Los resultados:

Consola SaaS de 140 botones: el HTML crudo ocupa 18.654 tokens y el árbol ARIA completo 3.568. El snapshot compacto baja a 1.135 tokens en 28 ms, un 93,9% menos que el HTML y un 68,2% menos que el ARIA.
Snapshot delta tras un clic (onlyChanged: true): en vez de reescanear el árbol completo, emite solo las líneas cambiadas, 56 tokens (98,4% menos).
Extracción de artículos (extractcleantext): de 3.595 tokens de HTML crudo a 156 tokens de Markdown limpio, 95,7% menos.
Triaje de errores (page_diagnostics): de 3.460 tokens sin filtrar a 601 tokens con solo errores, 82,6% menos.

El punto de fondo es que el árbol de accesibilidad completo es la unidad de intercambio estándar entre un agente y el navegador, y casi siempre contiene más información de la que el modelo necesita para decidir el próximo clic.

¿Cómo funciona el llenado de formularios en una sola llamada?

El número más contundente del benchmark es un formulario de 10 campos con verificación: pasa de 11 turnos y 574 ms (12.197 tokens directos y 72.614 acumulados por el reenvío del historial) a 1 turno, 82 ms y 811 tokens. El ahorro directo es de 93,4% y el acumulado de 98,9%.

La herramienta smartfillform cubre inputs estándar y controlados por React, select múltiples, comboboxes ARIA, editores contenteditable y el compositor de Gmail, con verificación en la misma respuesta. Para equipos que automatizan back office, el detalle más útil es otro: la subida de archivos va por ruta de disco, sin Base64 en el contexto. Un PDF de 48 KiB pasaba de 44.728 tokens embebidos a 85 tokens con una ruta de archivo.

A eso se suman tabsbatch (6 pestañas concurrentes en una sola llamada, 2,38 veces más rápido), batchactions (6 pasos de UI en un turno, con 57,5% de ahorro directo) y los presets de red turbo, no-images y no-media, que en la prueba de carga pesada cortaron el 100% de los 304 KiB de medios y bajaron el tiempo de 252 a 165 ms.

El propio repositorio reconoce el límite: no incluye profiling de rendimiento ni snapshots de heap, así que chrome-devtools-mcp sigue siendo complementario si lo que necesitas son auditorías Lighthouse o análisis de trazas.

¿Cómo se conecta a un navegador ya autenticado?

Uno de los frenos reales al automatizar no es el token, es el login. El modo auto (por defecto) primero sondea un CDP en http://127.0.0.1:9222 para reutilizar una sesión de navegador ya firmada, y solo si no la encuentra lanza Chromium. También soporta modo cdp directo, perfil persistente con –user-data-dir y lanzamiento limpio en modo headless o con ventana visible.

Para Chrome 136 o superior, el proyecto incluye un daemon keep-alive que mantiene abierta la conexión CDP con una sola aprobación del usuario, pensado para corridas nocturnas de varios agentes sin que nadie esté mirando la pantalla.

El guard de envío: automatización con freno de mano

Detalle relevante para quien opera agentes en producción: por defecto el envío está bloqueado. allowSubmit viene en falso y las acciones que parecen Submit, Publish, Send, Post, Apply, Confirm o un pago quedan detenidas salvo que se habiliten explícitamente. El human in the loop es el comportamiento por defecto, no una capa que haya que construir aparte.

El proyecto además confina las rutas de escritura y de lectura de estado a un directorio de trabajo (TURBOBROWSERSAVE_ROOT), con verificación de enlaces simbólicos para bloquear escapes de directorio, y trae 407 tests en 86 suites, probados en GitHub Actions sobre Node 20 y 22.

¿Qué dicen las mediciones independientes sobre el costo de los MCP?

Conviene matizar el titular del ahorro. Un análisis de HackerNoon midió con la misma tokenización o200k_base el servidor oficial de Playwright y su CLI, y encontró que en su prueba de navegador ambos caminos devolvieron texto de tamaño casi idéntico: 731 tokens por pasos frente a 744 tokens de la CLI. Su conclusión es que la palanca grande no es el protocolo, sino pedir menos campos y devolver menos salida: al proyectar una respuesta de GitHub a solo número y título, la misma consulta pasó de 973 a 107 tokens, un 89% menos.

Traducido a decisión: cuando evalúes un servidor MCP, mira cuántas operaciones agrupa y cuánto recorta la salida, no solo la etiqueta del protocolo.

MCP en 2026: autorización empresarial, gateways y riesgo

El ecosistema alrededor del protocolo se está formalizando rápido. InfoQ reportó que la extensión de autorización gestionada por la empresa (EMA) del MCP alcanzó estado estable, adoptada por Anthropic, Microsoft y Okta, con soporte en Claude, Claude Code y VS Code. La misma publicación documentó el nivel AI Gateway de Azure API Management en vista previa pública, con un plano de control organizado por modelos, servidores MCP y herramientas, y conectores para más de mil aplicaciones SaaS.

El contrapeso es la seguridad. Ars Technica reportó que Google y otras cuatro organizaciones reconocieron vulnerabilidades explotables mediante inyección de prompts encadenada entre agentes internos, un patrón que aprovecha la confianza implícita entre agentes que se comunican por MCP. En ese contexto, un guard de envío por defecto deja de ser un lujo.

¿Qué significa esto para tu startup?

Mide el costo acumulado, no el directo. Si tu agente hace más de cinco llamadas por tarea, la factura no está en el modelo sino en el historial reenviado. El benchmark del formulario de 10 campos muestra 72.614 tokens acumulados frente a 811 en un solo turno: revisa tu propio conteo acumulado antes de asumir que el problema es el precio por token.
Ataca el formulario más caro primero. Altas de clientes, onboarding y back office concentran selects, uploads y checkboxes. Son los flujos que más turnos consumen y los que más ganan al pasar a una llamada por lote.
Reutiliza la sesión firmada antes de automatizar un login. Prueba el modo cdp: si tu equipo ya tiene el navegador abierto con la sesión activa, el agente puede colgarse de ahí y ahorrarte toda la ingeniería de autenticación.
Deja el guard de envío activado en producción. Con agentes que tocan formularios reales, la diferencia entre rellenar y enviar es la diferencia entre un error reversible y una acción ejecutada sobre un cliente.
Corre el benchmark en tu propio caso. El repositorio incluye npm run benchmark para ejecutar la suite localmente con Chromium y Playwright instalados. Los números de arriba salen de ahí, y los tuyos probablemente sean distintos.