O uso de computadores é 45 vezes mais caro que APIs estruturadas

Agentes de visão são a abordagem padrão para operar aplicações web que não expõem APIs. A maioria das equipes opta por agentes de visão porque a alternativa, desenvolver uma interface MCP ou REST, é demasiadamente cara para construir. O custo da abordagem baseada em visão é tratado como um preço fixo.

Agentes de visão atuais exigem prompts detalhados para executar tarefas com sucesso e ainda estão sujeitos a erros. Embora modelos de visão aprimorados reduzam as taxas de erro, eles não diminuem o número de capturas de tela necessárias para acessar os dados relevantes, cada uma delas valendo milhares de tokens de entrada.