Proxies para agentes de IA browser-use y computer-use (guía 2026)

2026 es el año en que los agentes de IA dejaron de ser demos. browser-use, los agentes estilo Operator de OpenAI, el computer use de Anthropic y una docena de frameworks construidos sobre Playwright ahora controlan navegadores reales contra sitios web reales — reservando, comprando, investigando, monitoreando. Y todos chocan contra el mismo muro: los sitios sobre los que operan los tratan como bots, porque son bots.

Esta guía cubre específicamente la capa de proxy para agentes de IA que controlan navegadores. Si tu agente usa librerías HTTP en lugar de un navegador (herramientas de LangChain, scrapers dentro de CrewAI), consulta Proxies para agentes de IA: LangChain, AutoGPT & CrewAI — este artículo trata sobre agentes que controlan un navegador completo.

Por qué los agentes con navegador se bloquean más rápido que los scrapers

Contraintuitivo pero cierto: un agente LLM que controla un navegador Chrome real a menudo se bloquea más rápido que un simple scraper de Python. Tres razones:

1. IP de centro de datos + navegador perfecto = incoherencia. La huella del navegador dice "Chrome real sobre hardware real", pero la IP pertenece a AWS o GCP — donde se ejecutan la mayoría de los agentes. Los proveedores antibot ponderan fuertemente el ASN de la IP; una huella de calidad residencial sobre un ASN de centro de datos es una firma de automatización de manual.
2. Los agentes reintentan como máquinas. Cuando una acción falla, el bucle del LLM reintenta de inmediato, desde la misma IP, con tiempos casi idénticos. Tres reintentos idénticos y rápidos son detección conductual de nivel básico.
3. CDP deja rastros. La mayoría de los frameworks de agentes controlan el navegador mediante Chrome DevTools Protocol. Los sitios sondean en busca de navigator.webdriver, artefactos de tiempo específicos de CDP y señales de headless. Combinado con una IP marcada, la puntuación cruza el umbral de bloqueo al instante.

La IP es la más barata de las tres de corregir, y corregirla por sí sola resuelve la mayoría de los bloqueos: enruta el agente a través de proxies residenciales para que la historia de la IP coincida con la historia del navegador.

Configuración: browser-use con proxies residenciales

browser-use se apoya en Playwright, así que el soporte de proxy es nativo. El patrón: una sesión sticky por tarea de agente, de modo que la IP se mantenga estable mientras el agente trabaja, y una IP nueva para la siguiente tarea.

from browser_use import Agent, Browser, BrowserConfig
from langchain_openai import ChatOpenAI
import uuid

task_id = uuid.uuid4().hex[:8]

browser = Browser(config=BrowserConfig(
    proxy={
        "server": "http://us.jibaoproxy.com:913",
        "username": f"USERNAME-session-{task_id}",   # sticky: same IP for this task
        "password": "PASSWORD",
    },
))

agent = Agent(
    task="Find the current price of the Sony WH-1000XM6 on the three largest US retailers.",
    llm=ChatOpenAI(model="gpt-4o"),
    browser=browser,
)
result = await agent.run()

Detalle clave: el sufijo session-{task_id}. Sin él, una puerta de enlace rotativa puede entregarle al agente una IP nueva a mitad de la tarea — el contenido del carrito desaparece, las sesiones se caen y el agente desperdicia llamadas al LLM rehaciendo pasos. Con él, la tarea se ejecuta en una sola IP de principio a fin, y la siguiente tarea recibe una limpia.

Configuración: bucles de Playwright puro / computer-use

Si has construido tu propio bucle de agente sobre Playwright (el patrón detrás de la mayoría de las implementaciones estilo Operator y computer-use), el proxy va en el contexto del navegador:

from playwright.async_api import async_playwright

async with async_playwright() as p:
    browser = await p.chromium.launch(headless=False)
    context = await browser.new_context(
        proxy={
            "server": "http://us.jibaoproxy.com:913",
            "username": "USERNAME-session-agent42",
            "password": "PASSWORD",
        },
        viewport={"width": 1366, "height": 768},
        locale="en-US",
        timezone_id="America/Chicago",   # match the proxy country
    )
    page = await context.new_page()
    # ... agent loop: screenshot -> LLM -> action -> repeat

Configura locale y timezone_id para que coincidan con el país del proxy. Un agente navegando desde una IP de EE. UU. con un reloj en UTC+8 es una incoherencia que los sistemas conductuales puntúan en tu contra.

Los proxies por contexto también te dan un navegador, muchos agentes: cada new_context() puede llevar su propio sufijo de sesión, de modo que diez tareas de agente concurrentes se ejecutan sobre diez IP residenciales distintas sin diez procesos de Chrome.

Estrategia de sesión para cargas de trabajo de agentes

Carga de trabajo del agente	Estrategia de sesión	Por qué
Investigación / verificación de precios (sin login)	Sticky, 10 min, nueva sesión por tarea	Estable dentro de la tarea, IP nueva entre tareas
Operación de cuenta con sesión iniciada	Sticky 30 min, mismo ID de sesión en cada ejecución	Los sitios marcan las cuentas que saltan de país entre inicios de sesión
Flujos de checkout / reserva	Sticky 30 min	Un cambio de IP a mitad del checkout mata la sesión y dispara una revisión por fraude
Monitoreo de alto volumen (cientos de páginas)	Rotativo, sin fijar sesión	Maximizar la diversidad de IP, sin estado que preservar

Control de costes: los agentes consumen ancho de banda

El tráfico residencial se factura por GB, y un agente con navegador descarga páginas completas — imágenes, fuentes, rastreadores — a diferencia de un scraper HTTP. Sin gestionar, una sola tarea de agente puede consumir 20–50 MB. Tres soluciones, por orden de impacto:

1. Bloquea los recursos pesados que el LLM no necesita:

   await context.route("**/*.{png,jpg,jpeg,webp,gif,woff,woff2,mp4}",
                       lambda route: route.abort())

   Si tu agente lee capturas de pantalla, mantén las imágenes en la página de destino pero aún así bloquea el vídeo y las fuentes. Si lee el DOM/árbol de accesibilidad, bloquea también las imágenes — reduce el tráfico en un 60–80%.
2. Enruta solo lo que necesita enrutarse. Las llamadas a la API del LLM (OpenAI/Anthropic) NO deben pasar por el proxy residencial — eso es puro GB desperdiciado y latencia añadida. Aplica el proxy al contexto del navegador, no al proceso anfitrión.
3. Limita los reintentos a nivel de framework. Dos reintentos como máximo, con backoff y un ID de sesión nuevo en el segundo — una IP nueva resuelve más bloqueos que un tercer intento idéntico.

Con bloqueo de imágenes y enrutamiento acotado, las tareas típicas de agente con navegador se ubican en el rango de 2–8 MB — a $2/GB eso son unos pocos centavos por cada cien tareas.

Lo que los proxies no resuelven

Sección de honestidad. Una IP residencial corrige la incoherencia de ASN y la reputación de IP, que es la señal individual de mayor peso en la puntuación antibot de 2026. No corrige:

• Detección de CDP/headless — usa las opciones de sigilo de tu framework (browser-use incluye flags de lanzamiento parcheados; para Playwright puro mira los parches estilo rebrowser), y prefiere el modo headed para flujos de alto valor.
• Fingerprinting TLS — no es un problema para agentes con navegador real (el TLS del navegador es genuino), pero es la razón por la que no puedes "simplemente reproducir" después las peticiones del agente con requests. Consulta JA3/JA4 explicados.
• Puntuación conductual sobre el flujo de acciones — añade pequeños retardos aleatorizados entre acciones y evita coordenadas de clic idénticas al píxel entre ejecuciones.

Apila las tres sobre una IP residencial y los agentes con navegador pasan las mismas verificaciones que los usuarios reales. Para los objetivos más difíciles (DataDome, PerimeterX), consulta nuestra guía de DataDome/PerimeterX.

Resumen

• Los agentes sobre IP de centro de datos se autoidentifican; las IP residenciales hacen que la historia de la IP coincida con la historia del navegador.
• Una sesión sticky por tarea de agente; el mismo ID de sesión para siempre en cuentas con sesión iniciada; rotativo para monitoreo sin estado.
• Haz coincidir timezone_id/locale con el país del proxy.
• Bloquea imágenes/fuentes/vídeo y nunca enrutes las llamadas a la API del LLM a través del ancho de banda residencial.
• Reintenta con un ID de sesión nuevo, no con la misma IP.