OpenAI integra CDP ao Codex para profiling de JS e edição em tempo real no navegador

O Codex agora fala diretamente com o Chrome usando o CDP, não por meio de wrappers ou APIs intermediárias, mas via integração nativa no nível do protocolo. Isso significa que ele acessa o mesmo canal usado por ferramentas como Puppeteer e Playwright, mas sem depender delas. O CDP não é só um 'canal de controle': ele expõe o estado interno do navegador em tempo real, desde o heap de memória do JS até o timing exato de paint e layout. Profiling com Codex agora pode correlacionar gargalos de execução com eventos de rede ou mudanças no DOM, algo que antes exigia análise manual cruzada entre abas do DevTools.

Essa camada de acesso profundo também muda a forma como agentes de IA operam na web. Até agora, 'navegação assistida' era feita por simulação: o agente via uma screenshot ou HTML estático, então emitia comandos para um navegador externo. Com o CDP integrado, o Codex vê o que o navegador *realmente* executa, inclusive código minificado, evals dinâmicos e side effects invisíveis ao parser. É menos 'visão por câmera', mais 'visão por nervo óptico'.

Em 2026-04-14, o Codex 'testava navegação web' como funcionalidade externa, com limitações de contexto e sem acesso ao estado vivo da página. Em 2026-05-08, ele rodava em paralelo no Chrome, mas sem interagir com o DOM ou console, apenas como um assistente lateral. Agora, com o CDP integrado, ele opera dentro do ciclo de renderização: pode pausar scripts, injetar polyfills, inspecionar WebAssembly modules e até modificar CSSOM *antes* do repaint. Não é mais um observador. É um participante ativo do pipeline do navegador.

Isso transforma o Codex de 'assistente de código' em 'co-desenvolvedor de experiência'. Um front-end pode pedir 'reduza o CLS dessa página em 30% sem quebrar o carregamento de vídeo', e o Codex vai ajustar prioridades de recursos, reordenar scripts e otimizar o critical CSS, tudo com base em dados reais de performance coletados via CDP. Para empresas, isso reduz o tempo entre detecção de problema e correção de produção. Para devs, significa menos tempo no DevTools e mais tempo no fluxo de pensamento. Mas há um custo: essa capacidade exige modelos treinados em comandos CDP específicos, e os atuais ainda falham em 37% dos casos complexos, segundo testes internos divulgados pela OpenAI em 15/06.