Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Navigazione Web

Lezione 5 di 14 Aggiornata il 3 novembre 2026 Sviluppatore
In questa pagina
  1. Oltre il Semplice Click
  2. Due Modi per Arrivare a Destinazione
  3. Il Banner dei Cookie: Il Primo Ostacolo
  4. Tre Modi per Attendere
  5. Guidare un Lungo Viaggio
  6. Le Schede Non Sono Gestite dall’IA
  7. La Qualità dell’Immagine Condiziona Tutto il Resto
  8. Punti chiave

Lezione aggiornata il 3 novembre 2026 sulla base della guida Computer use di OpenAI, delle sue Integration recipes e del riferimento alle API Responses: le istruzioni devono essere passate tramite il parametro instructions e inviate nuovamente con ogni richiesta, poiché non vengono mantenute da previous_response_id; lo script che rimuoveva target="_blank" conteneva un errore di sintassi JavaScript e copriva solo i link già presenti; le raccomandazioni sulle immagini seguono ora le linee guida di OpenAI (detail: "original", ridimensionamento con conversione delle coordinate). Fonti: Integration recipes · Computer use.

Oltre il Semplice Click

Per un agente, navigare non significa solo aprire un URL. Significa orientarsi in un web reale pieno di reindirizzamenti, pagine che impiegano quattro secondi per il rendering, banner di consenso che coprono tutto e contenuti che appaiono solo dopo diversi scorrimenti. Un agente che ignora questi attriti fallisce già alla seconda pagina; uno che li anticipa concatena un percorso di dieci schermate senza alcun intervento.

Due Modi per Arrivare a Destinazione

Quando conosci l’indirizzo esatto, non chiedere all’IA di trovarlo: porta direttamente il browser lì.

page.goto("https://example.com/products")
page.wait_for_load_state("networkidle")

Al contrario, quando l’indirizzo dipende da ciò che viene visualizzato—il terzo prodotto in una lista ordinata per prezzo, un link “Visualizza fattura” generato dinamicamente—lascia che il modello guardi e faccia click.

# L'IA vede lo screenshot e decide di fare click su un link
# Questo avviene automaticamente nel loop di Computer Use

L’approccio giusto è combinare entrambi in un unico flusso di lavoro: navigazione diretta per le tappe note del tuo viaggio e navigazione visiva per qualsiasi cosa scoperta lungo il percorso. Questo ti risparmia iterazioni costose che non aggiungono valore.

In Europa, quasi ogni sito mostra un banner di consenso al primo caricamento. Finché è presente, cattura i click e il tuo agente gira a vuoto senza capire perché la pagina non reagisce. Non improvvisare una soluzione sito per sito: integrala una volta per tutte nelle istruzioni dell’agente—il parametro instructions delle API Responses, che funge da prompt di sistema—con una direttiva chiara su cosa rifiutare.

INSTRUCTIONS = """Sei un agente che naviga nel web.
Regole:
- Se vedi un banner per i cookie o il consenso,
  rifiuta i cookie opzionali o clicca su "Refuser" / "Reject"
- Se è offerto solo "Accetta", accetta solo se il compito lo permette;
  altrimenti, fermati e segnalalo
- Non perdere tempo con i popup: gestiscili immediatamente
"""

# Passalo a OGNI richiesta nel loop: con previous_response_id,
# le istruzioni della risposta precedente non vengono mantenute.
response = client.responses.create(
    model="gpt-6.1-sol",
    tools=[{"type": "computer"}],
    instructions=INSTRUCTIONS,
    input=tache,
)

L’ordine delle prime due regole conta: l’agente rifiuta per impostazione predefinita e l’accettazione rimane una decisione della persona che assegna il compito, non del modello. Nota anche il commento nel codice: la documentazione delle API Responses afferma che le instructions di una risposta non vengono trasferite alla successiva quando si usa la catena tramite previous_response_id. Un loop che le invia solo al primo turno le perde al secondo.

Tre Modi per Attendere

Le pagine moderne caricano i contenuti in modo asincrono e il tuo agente potrebbe fare click dove un pulsante non è ancora arrivato. La correzione più affidabile rimane l’attesa di rete di Playwright, che restituisce il controllo una volta terminate tutte le richieste.

page.goto(url)
page.wait_for_load_state("networkidle")
# Tutte le richieste di rete sono completate

Questo non basta ovunque: in un’app che mantiene una connessione persistente—websocket, polling, chat live—la rete non è mai inattiva e l’attesa finisce per andare in timeout. Ripiega su un semplice ritardo prima di acquisire.

import time

def wait_and_screenshot(page, wait_seconds=2):
    """Attendi, poi acquisisci uno screenshot."""
    time.sleep(wait_seconds)
    return page.screenshot()

C’è una terza via, spesso trascurata: affidare il giudizio al modello stesso. Vede lo spinner o i contenuti parzialmente renderizzati e capisce che è meglio richiedere uno screenshot aggiuntivo piuttosto che agire alla cieca.

task = """
Vai su https://example.com/dashboard.
Se la pagina sembra ancora in caricamento 
(spinner visibile, contenuto parziale), 
attendi uno screenshot aggiuntivo prima di agire.
"""

Guidare un Lungo Viaggio

Nel corso di una sequenza di diverse pagine, un compito formulato in un’unica frase si sgretola strada facendo: l’agente dimentica metà delle istruzioni già alla terza schermata. Suddividilo in passaggi espliciti: grazie alla catena di risposte tramite previous_response_id, il modello tiene traccia di quelli già completati e sa sempre a che punto si trova.

task = """
Passaggio 1: Vai su https://shop.example.com
Passaggio 2: Cerca "tastiera meccanica" nella barra di ricerca
Passaggio 3: Ordina i risultati per prezzo crescente
Passaggio 4: Apri il primo prodotto
Passaggio 5: Annota il prezzo e la disponibilità
"""

Le Schede Non Sono Gestite dall’IA

Computer Use funziona su un solo viewport. Se un link si apre in una nuova scheda, l’agente continua a fotografare quella vecchia e non capisce perché nulla sia cambiato—una situazione classica con i link target="_blank", presenti su quasi ogni sito di notizie. Risolvi questo problema a monte in Playwright, così il modello non deve preoccuparsene.

REMOVE_BLANK = """
document.addEventListener("click", (e) => {
  const link = e.target.closest && e.target.closest('a[target="_blank"]');
  if (link) link.removeAttribute("target");
}, true);
"""

def handle_new_tab(context, page):
    """Mantieni la navigazione nella scheda che l'agente fotografa."""
    # Su ogni pagina caricata, un click su un link target="_blank"
    # lo apre nella scheda corrente...
    context.add_init_script(REMOVE_BLANK)
    # ... e qualsiasi finestra aperta da script viene chiusa immediatamente
    page.on("popup", lambda popup: popup.close())

Lo script di inizializzazione viene eseguito in ogni pagina prima dei suoi script: il listener, impostato durante la fase di acquisizione, rimuove l’attributo target prima che il browser segua il link. L’evento popup della pagina copre ciò che rimane: le finestre aperte da window.open.

La Qualità dell’Immagine Condiziona Tutto il Resto

Uno screenshot sfocato o ritagliato produce un agente che clicca sul pulsante sbagliato, e passerai più tempo a debuggare i suoi errori che a correggere lo screenshot. Acquisisci il viewport visibile invece dell’intera pagina: un’acquisizione full_page produce un’immagine sovradimensionata e, peggio ancora, le sue coordinate non corrispondono più allo schermo dove page.mouse fa click.

import base64

def optimized_screenshot(page) -> str:
    """Acquisisci il viewport visibile come PNG, in base64."""
    screenshot = page.screenshot(
        type="png",
        full_page=False,  # Solo il viewport visibile
    )
    return base64.b64encode(screenshot).decode("utf-8")

Lato API, OpenAI raccomanda di inviare le acquisizioni con detail: "original", che preserva la risoluzione e migliora la precisione del click, e sconsiglia high e low per Computer Use. Un’acquisizione grande consuma più token e l’API potrebbe ridimensionarla o persino rifiutarla se supera i limiti. Se devi ridurre le tue acquisizioni, fallo prima dell’invio e converti le coordinate del modello nello spazio dell’immagine originale; OpenAI riporta buoni risultati con desktop a 1440×900 e 1600×900. Il viewport 1280×720 usato in questo corso non necessita di riduzione.

Punti chiave

  • Combina navigazione diretta (URL noti) e navigazione visiva (link dinamici) in base al contesto
  • Gestisci i popup GDPR nelle instructions dell’agente, reinviandole con ogni richiesta
  • Attendi il caricamento completo prima di acquisire uno screenshot
  • Acquisisci il viewport visibile e invialo con detail: "original"; se ridimensioni l’immagine, converti le coordinate
  • Gestisci le nuove schede in Playwright, non nell’IA