Browser Agent Mühendisliği Eğitimi (Playwright + Browser Use + Anthropic Computer Use + OpenAI Operator + Stagehand + Skyvern)

Bu eğitim, 2024-2026 döneminin paradigma açıcı agent katmanı olan browser agent disiplinini Türkçe olarak uçtan uca öğretmek üzere tasarlanmıştır. Ekim 2024'te Anthropic Claude Computer Use'un lansmanı, Ocak 2025'te OpenAI Operator + Computer Use API'sinin gelişi, Google Project Mariner ve Microsoft Magentic-One'ın katkıları ile browser agent disiplini AI mühendisliğinin yeni cephesini açtı. Klasik RPA çözümlerinin (UiPath, Automation Anywhere) script-tabanlı, kırılgan, bakım maliyeti yüksek yaklaşımının yerini vision-language model tabanlı, adaptive, doğal dil prompt'la kontrol edilebilen yeni nesil otonom browser agent'lar aldı. Türkiye'de bu disiplini Playwright temelinden başlayarak Browser Use / Stagehand / Anthropic Computer Use / OpenAI Operator / Skyvern / Magentic-One stack'ine kadar uçtan uca işleyen bir eğitim neredeyse yoktur — mevcut içerikler ya kısa Playwright tutoriallerinde takılı kalıyor ya da yüzeysel demo seviyesinde donuyor. Bu program söz konusu boşluğu Türkiye'nin en kapsamlı production-grade browser agent referans eğitimi olarak doldurmak üzere tasarlanmıştır.

Programın stratejik omurgasını, browser agent çağının doğuşu ve momentum'unu çerçeveleyen ilk modül oluşturur. Anthropic Claude Computer Use'un Ekim 2024 lansmanı — Claude Sonnet 3.5 / 4.6'nın screenshot okuyup mouse + keyboard action üretmesi paradigma açtı; OpenAI Operator'un Ocak 2025 ChatGPT Pro tier lansmanı consumer-facing autonomous agent vizyonunu yaygınlaştırdı; OpenAI Computer Use API ile developer'lar bu paradigmaya erişim kazandı; Google Project Mariner + Microsoft Magentic-One araştırma alanını derinleştirdi; Adept ACT-2 ve diğer çözümler yarışa katıldı. Klasik RPA ile farkı: UiPath / Automation Anywhere scripted (her yeni UI değişikliğinde manuel update), brittle (CSS selector kırılır kırılmaz pipeline çöker), bakım maliyeti yüksek; AI browser agent vision-aware (screenshot okuyarak adapt eder), reasoning-driven (LLM ile akıllı karar verir), self-healing (alternative locator fallback). 2026 ekosistem haritası karşılaştırmalı sunulur.

İkinci modül tüm modern browser agent framework'lerinin (Browser Use, Stagehand, Skyvern) altında çalışan Playwright'ı (Microsoft 2020, 70K+ GitHub star) detaylı işler. Cross-browser (Chromium / WebKit / Firefox) kontrol; async_playwright API ile browser launch + context + page hierarchy; headless vs headed mode + devtools integration. Locator stratejileri: page.locator() ile CSS / XPath / text / role; accessibility tree + getByRole / getByLabel / getByPlaceholder modern API; auto-waiting + retry logic + timeout konfigürasyonu — Playwright'ın temel farkı her action'da elementin görünür + interactable olmasını otomatik bekleme. Production setup: browser.new_context(storage_state=...) ile authentication persistence; multi-tab + multi-context isolation pattern'ları; Playwright trace viewer + screenshot + video recording debugging. Bu temel olmadan modern browser agent framework'leri anlaşılamaz.

Üçüncü modül Magnus.dev ekibinin 2024'te open-source yayınladığı ve 50K+ GitHub star ile 2025'in en hızlı yükselen browser agent framework'ü olan Browser Use'u uçtan uca işler. from browser_use import Agent, Browser temel kullanım; agent.run() ile prompt → action loop + reasoning trace üretimi; OpenAI GPT-5 / Claude Sonnet 4.6 / Gemini 2.5 / Groq Llama 4 / local Ollama seçimi (multi-provider native support). Browser Use'un farkı: DOM tree extraction + interactive element identification + screenshot + bounding box + vision LLM reasoning hibrit yaklaşımı — pure vision (Computer Use) ile pure DOM (klasik Playwright) arasında dengeli middle-ground. Custom function tools ile domain-specific action'lar; history + replay; Browser Use Cloud managed vs self-hosted Docker; multi-tab + parallel agent orchestration.

Dördüncü modül Ekim 2024'te Anthropic'in lansmanıyla browser agent çağını başlatan Claude Computer Use API'sini detaylı ele alır. anthropic-ai-tools-beta computer + bash + str_replace_editor tool'ları (Claude'un screen okuma + komut çalıştırma + dosya düzenleme primitive'leri); computer_use_20250124 ve computer_use_20241022 API versioning; screenshot input + mouse_move + left_click + double_click + right_click + type + key + scroll action'ları. Docker reference implementation: Anthropic'in claude-computer-use-demo container'ı — Ubuntu 22.04 + Firefox + xdotool + scrot VM stack; screen resolution (1280x800 önerilen) + scaling kuralları. Production: VM orchestration (Kubernetes + Kata Containers + Firecracker), multi-user isolation + ephemeral VM per session, Claude Sonnet 4.6 + VM hour cost + latency trade-off. Vision-first yaklaşımın güçlü yönü (UI değişikliklerine dayanıklılık) ve zayıf yönü (cost + latency yüksek) kanıt-tabanlı işlenir.

Beşinci modül Ocak 2025'te OpenAI'ın ChatGPT Pro tier'da lanse ettiği Operator (consumer-facing autonomous browser agent) ve developer-facing Computer Use API'sini detaylı işler. OpenAI CUA (Computer-Using Agent) model — GPT-4o tabanlı specialized vision-action model; OpenAI Responses API + computer_use tool; screenshot + click + type + scroll + key action loop; Playwright + OpenAI Computer Use entegrasyonu. Operator browser sandbox infrastructure (managed): consumer-side ChatGPT Pro Operator UI + agentic shopping / booking / research workflow'ları. Anthropic Computer Use vs OpenAI Computer Use karşılaştırma: accuracy (WebArena + OSWorld benchmark'larında somut sayılar), cost (token + screenshot + per-action pricing), use case (Anthropic developer-first vs OpenAI consumer + developer dual focus). Production Operator deployment + cost optimization detaylandırılır.

Altıncı modül Browserbase ekibinin (YC W24) açık kaynak Stagehand framework'ü ve managed cloud platformu Browserbase'i detaylı ele alır. Stagehand'in farkı: Playwright'a 3 atomic AI primitive ekleyerek deterministic + AI-driven hybrid kontrol sunması. stagehand.act('search for laptops under $1000') doğal dil action; stagehand.extract() + Zod schema ile structured data extraction; stagehand.observe() semantic element discovery. Browserbase managed cloud: headless browser cloud + parallel session scaling + built-in proxy (residential + datacenter) + IP rotation + captcha solving + 2FA + session persistence — production scaling için ideal. TypeScript + Python SDK karşılaştırması; hibrit pattern (deterministic Playwright + AI primitive); Browserbase + Stagehand cost analizi.

Yedinci modül 2024-2026 ekosisteminin uzmanlaşmış browser agent framework'lerini karşılaştırmalı ele alır. Skyvern (YC S23, open-source, 11K+ GitHub star): vision-LLM tabanlı form filling + workflow automation, business process automation odaklı, YAML + Python workflow design, Skyvern Cloud vs self-hosted Docker. AgentQL (Tinybird tarafından 2025'te satın alındı): GraphQL-style query DSL ile structured data extraction; Tinybird integration. Magentic-One (Microsoft 2024 research): WebSurfer + FileSurfer + Coder + Terminal multi-agent orchestrator; complex task decomposition. OpenInterpreter: local desktop + browser + code interpreter — OS-level computer use. Her framework için scope, learning curve, doğru kullanım senaryosu detaylı işlenir.

Sekizinci modül production browser agent kullanım senaryolarının somut pattern'larını işler. Flight + hotel booking otomasyonu: search → filter → compare → book pattern'ı. E-ticaret shopping: Trendyol + Hepsiburada + Amazon TR product search + price compare + cart + checkout — Türk e-ticaret pazarına özel optimization. Research automation: Google Scholar + PubMed + arXiv multi-source aggregation. Kurumsal form filling: KVKK doküman doldurma, vergi beyannamesi, banka kredi başvurusu, sigorta teklif toplama. Social media management: LinkedIn lead generation + connection request + InMail; Twitter/X agent post + reply + DM. CRM automation: Salesforce / HubSpot / Pipedrive data entry agent — production iş süreçlerinde yaygın kullanım senaryoları.

Dokuzuncu modül production browser agent'ların en zorlu boyutu olan authentication + session management disiplinini detaylı ele alır. storage_state ile cookie + localStorage persistence (Playwright JSON formatı + multi-user isolation); cookie expiry handling + refresh token rotation; per-user session vault + KVKK uyumlu secret management. Auth flow otomasyon: OAuth code flow + SSO (Google, Microsoft, Apple sign-in); 2FA / MFA — SMS, TOTP (pyotp ile programmatic), email link, hardware key (FIDO2/WebAuthn), magic link, passkey otomasyon stratejileri. Anti-bot bypass: reCAPTCHA v2/v3, hCaptcha, Cloudflare Turnstile bypass yöntemleri; Browserbase + 2captcha + Anti-Captcha API entegrasyonu; residential proxy + browser fingerprinting evasion + stealth mode.

Onuncu modül production browser agent'ın en zayıf noktası olan kırılganlık (brittleness) ile baş etme disiplinini ele alır. Brittleness sebepleri: element not found, auto-waiting timeout, dynamic content load (SPA), iframe + shadow DOM, popup + ad interception, A/B test variation, responsive design breakpoint'leri, cookie banner. Self-healing patterns: retry with exponential backoff + jitter; alternative locator fallback (CSS → text → vision); Reflexion pattern (agent self-reflection + retry with corrected approach); vision-based fallback (CSS selector kırıldığında screenshot okuyarak çalış). Observability ve escalation: Playwright trace viewer + screenshot + video + console log; Langfuse + Phoenix ile agent action observability; human-in-the-loop escalation + Slack/Discord alerting (kritik hatalarda insan onayı).

On birinci modül production browser agent'ın değerlendirme, etik ve hukuki boyutlarını ele alır. Eval: WebArena (CMU 2023 — gerçek website task benchmark), OSWorld (UWaterloo 2024 — OS-level task), Mind2Web (OSU 2023), WorkArena (ServiceNow 2024) modern benchmark karşılaştırması; custom domain eval framework (success rate + step efficiency + cost + latency). Etik: robots.txt respect + rate limiting + respectful scraping; LinkedIn vs hiQ Labs ABD davası ve scraping yasallığı tartışması (Computer Fraud and Abuse Act yorumu); bot detection legitimate use vs ToS ihlali ayrımı. Hukuk: KVKK + GDPR user data toplama uyumluluğu; Türk hukukunda web scraping + telif + KVKK 6698 sayılı kanun yorumu; EU AI Act Article 50 transparency + watermarking gereklilikleri.

Capstone modülünde her katılımcı, kendi senaryosuna özel uçtan uca bir production-grade browser agent sistemi tasarlar: senaryo seçimi (e-ticaret shopping, lead generation, research aggregation, form filling, social media management, CRM automation), framework seçimi (Browser Use / Stagehand / Anthropic Computer Use / OpenAI Operator / Skyvern / Magentic-One), authentication + session pool + proxy + captcha stratejisi, self-healing pattern'ları, observability + monitoring (Langfuse + Phoenix), KVKK + ToS compliance audit, 90 günlük production roadmap. Eğitim sonunda katılımcılar; klasik RPA ile modern AI browser agent ayrımını netçe çerçeveleyebilecek; Playwright temellerini Browser Use / Stagehand / Anthropic Computer Use / OpenAI Operator / Skyvern stack'ine taşıyabilecek; vision-first vs DOM-based hybrid yaklaşımlar arasında doğru tercih yapabilecek; authentication + session + captcha + proxy production disiplinini yönetebilecek; self-healing pattern'ları (retry + fallback + Reflexion) implement edebilecek; WebArena + OSWorld + custom benchmark ile agent kalitesi ölçebilecek ve KVKK + EU AI Act uyumlu production deployment yapabilecek seviyede teknik yetkinliğe ulaşır. Eğitim 3 gün, 12 modül ve 100'ün üzerinde uygulamalı ders içerir.