Original en inglés: https://argusic.com/subject/login-machine
login-machine
Automatización de inicio de sesión impulsada por IA. Usa Claude para clasificar páginas de inicio de sesión y Playwright para interactuar con ellas.
Funciona con mocksfuente: GitHubsitio webTypeScriptMITcommit e1da92965029
TypeScript, licencia MIT. El proyecto se describe a sí mismo como: ai agents, browser automation, browserbase, claude, computer use, llm, login automation y nextjs.
login-machine funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 17 minutos y encontró 4 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
The Next.js app builds, launches, returns HTTP 200 on / and /api/chat, and responds to all API actions (start, submit, close, error handling) using local Playwright Chromium with a mock heuristic page classifier.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 92 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- BROWSERBASE_API_KEY and BROWSERBASE_PROJECT_ID env vars not set — browser.ts threw errors on startup4 minutos
- ANTHROPIC_API_KEY env var not set — agent.ts required it for LLM analysis via @ai-sdk/anthropic3 minutos
- Next.js 16 requires Node.js >=20.9.0, but only Node.js v18.19.1 was available2 minutos
- Two ESLint warnings: unused variables 'url' and 'hasInput' in the new mock code1 minuto
- Tiempo de instalación
- 17 minutos
- De máquina en frío a terminar
- 17 minutos
- Errores encontrados y corregidos
- 4 encontrados, 4 corregidos sin ayuda humana
- Cómo se demostró el resultado
- curl -s -o /dev/null -w %{http_code} localhost:3000 returned 200; POST /api/chat with action=start returned 200 with sessionId and screen; POST /api/chat with action=submit (SSE path) returned 200 with action_complete and screen events; POST /api/chat with action=submit (JSON auto-retry path) returned 200 with screen classification; POST /api/chat with invalid JSON returned 400; POST /api/chat with unknown action returned 400
- Tokens de modelo usados
- 219.207
- Commit exacto probado
- e1da92965029
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
- Comportamiento con servicios reales
- esta ejecución solo se verificó con servicios sustitutos
Ver la sesión
La ejecución completa, desde una máquina limpia, a la velocidad a la que ocurrió. No se ha cortado ni acelerado nada.
Una grabación del intento 1, ejecutado el , el intento que decidió el veredicto anterior. La grabación de terminal a partir de la que se hizo es la evidencia, guardada con una huella sha256; el video es un render de ella. No se carga nada del servicio de video hasta que pulses reproducir.
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
All verified. Let me now calculate the elapsed time and produce the final report. exec /bin/sh -lc 'kill %1 2>/dev/null; kill %2 2>/dev/null; true' in /work/repo succeeded in 0ms: exec /bin/sh -lc date in /work/repo succeeded in 0ms: Mon Oct 26 01:36:17 UTC 2026 Alright, I have all the data. Let me now compose the final result. tokens used 219,207 Alright, I have all the data. Let me now compose the final result.
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Se recuperó de los 4 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Solo llegó a funcionar con servicios sustitutos, así que nada de lo que hay aquí demuestra que funcione con los reales.
- Tardó 17 minutos en instalarse, más lento que la mediana de los 110 proyectos comparables que ha medido Argusic.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 111 proyectos de ai-agents que Argusic ha instalado y cronometrado, login-machine fue el 85.º más rápido en llegar a funcionar, y 83 de 111 llegaron a funcionar.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 0,22 |
Temas (de GitHub)
ai-agentsbrowser-automationbrowserbaseclaudecomputer-usellmlogin-automationnextjsplaywrightweb-agent
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/login-machine)Preguntas
- ¿Funciona login-machine?
- login-machine funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 17 minutos, con 4 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic login-machine?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit e1da92965029. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar login-machine?
- La ejecución que produjo este veredicto costó 0,22 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda login-machine en instalarse?
- 17 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita login-machine una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar login-machine?
- En la ejecución registrada fallaron 4 cosas, y 4 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara login-machine con las alternativas?
- De los 111 proyectos de ai-agents que Argusic ha instalado y cronometrado, login-machine fue el 85.º más rápido en llegar a funcionar, y 83 de 111 llegaron a funcionar.
- ¿Dónde está la evidencia de login-machine?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.