AutoTailor corta custo de tokens de web agents em 94,9%

O que aconteceu

O AutoTailor, framework meta-agêntico para agentes de navegação web, foi apresentado no artigo arXiv:2609.13548v1, submetido em 11 de setembro de 2026 na área de inteligência artificial do arXiv. O sistema constrói e mantém um conjunto compacto de APIs MCP (Model Context Protocol) derivadas de trajetórias de navegação, em vez de deixar o agente escolher entre centenas de ferramentas acumuladas.

A avaliação do AutoTailor usou 106 tarefas do WebArena Postmill. As 106 tarefas do WebArena Postmill, benchmark de navegação web, serviram de base para medir acurácia, latência e consumo de tokens. O filtro offline do framework reduziu 1.283 APIs não refinadas para 87. Depois, o mecanismo de Dynamic Reselection chegou a um conjunto de 33 APIs.

Com fallback de ReAct (reasoning and acting), o conjunto de 33 APIs alcançou 90,6% de acerto. O ReAct sozinho, sem o AutoTailor, ficou em 87,5% de correção. No mesmo cenário, o custo médio total de tokens por requisição caiu 57,8% e a latência recuou 29,4%.

Sem o fallback de ReAct, o AutoTailor atingiu 60,1% de acerto, praticamente empatando com o desempenho do conjunto não refinado de APIs, mas com redução de 94,9% no uso de tokens de requisição.

Contexto

Agentes web usam ferramentas reutilizáveis para baratear e acelerar a interação de baixo nível com o navegador. O problema é que coleções de ferramentas descobertas automaticamente tendem a crescer, ficar redundantes e se desalinhar da demanda real dos usuários.

O AutoTailor ataca esse problema em duas frentes. Na etapa offline, converte trajetórias web em programas parametrizados de automação de navegador. Em seguida aplica um Quality Filter, que remove APIs com granularidade inadequada e funcionalidade redundante, e um Usage Likelihood Filter, que prioriza capacidades amplamente úteis sem sacrificar cobertura semântica.

Na etapa online, o Dynamic Reselection acompanha resultados de tarefas e uso das APIs, identifica lacunas recorrentes de cobertura, adiciona candidatos relevantes e poda capacidades que seguem sem uso.

Por que importa

O gargalo de custo em agentes web é conhecido. Cada passo de navegação consome tokens e tempo. O AutoTailor mostra que dá para atacar esse gargalo gerenciando o inventário de ferramentas, não apenas o modelo. O ganho de 57,8% em tokens com ReAct e de 94,9% sem ReAct indica onde está o dinheiro. Está no volume de requisições enviadas ao modelo a cada tarefa.

Para quem opera agentes em produção, o resultado prático é a possibilidade de manter conjuntos pequenos de APIs, 33 no teste, e ainda ganhar acurácia. O AutoTailor superou o ReAct sozinho em 3,1 pontos percentuais de acerto no benchmark.

Impacto

A combinação de filtragem estática e reseleção dinâmica é o que o artigo chama de gestão de capacidades alinhada ao usuário. A filtragem estática entrega um inventário enxuto de APIs para tarefas centrais e de alta probabilidade de uso. A reseleção dinâmica ajusta esse inventário às necessidades observadas.

O efeito medido: menos tokens, menos latência e mais acerto no mesmo conjunto de tarefas. A latência caiu 29,4% e o custo de tokens recuou 57,8% com o fallback de ReAct. São as duas linhas que escalam com o volume de tarefas automatizadas em contas de infraestrutura.

O que muda

O artigo desloca a discussão sobre agentes web do modelo para o catálogo de ferramentas. Em vez de acumular APIs descobertas automaticamente, o AutoTailor propõe filtrar, priorizar e podar. A poda de capacidades persistentemente sem uso é parte do mecanismo, e não uma limpeza manual.

A manutenção do conjunto deixa de ser decisão estática. O Dynamic Reselection revisa o inventário conforme os resultados das tarefas aparecem.

O que vem agora

O artigo não anuncia produto, licença ou cronograma de lançamento. Os próximos passos conhecidos são os do próprio método. Falta medir se a filtragem offline e a reseleção dinâmica mantêm os ganhos em outros ambientes além das 106 tarefas do WebArena Postmill, e se o conjunto de 33 APIs se sustenta quando a demanda dos usuários muda.

O AutoTailor está descrito em arXiv:2609.13548v1, disponível em PDF e em versão HTML experimental.

Fontes

• arXiv cs.AI, AutoTailor: Automatic, User-Aligned Capability Selection and Adaptation for Web Agents (https://arxiv.org/abs/2609.13548)