Fisfzy/dsh-ego-browser

解決する問題

汎用ブラウザは AI エージェント向けに設計されていませんが、多くの Web タスクではログイン、CAPTCHA、動的コンテンツを処理するために実際のブラウザが必要です。このプロジェクトは、ego-lite ブラウザエンジンを DeepSeek Harness (DSH) 環境に接続することで、このギャップを埋めます。エージェントが不可視でタスクを実行する「ブラックボックス」問題を解決し、エージェントの動作をリアルタイムで確認し、必要に応じて手動で介入できるようにします。

仕組み

Chromium ベースのブラウザを制御できる 33 の構造化された ego_* ツールを提供します。エージェントがタスクを開始すると、プラグインは自動的に観察ウィンドウを開きます。DSH ネイティブサイドバー、専用タブ、またはフローティングバブルのいずれかです。このウィンドウはリアルタイムストリーミングを使用して、エージェントが見ているものを正確に表示します。このウィンドウ内で直接クリック、スクロール、または入力して、エージェントの基盤プロセスを中断することなくブラウザセッションを制御できます。

対象ユーザー

このツールは、データスクレイピング、フォーム入力、自動テストなどの複雑な Web タスクを AI エージェントに実行させながら、完全な可視性を維持し、CAPTCHA の解決や多段階ログインのナビゲーションなどの重要な瞬間に手動でオーバーライドできる開発者やパワーユーザー向けです。

ハイライト

• リアルタイム観察と制御：ライブストリームでエージェントの作業を確認し、いつでもブラウザを手動制御（クリック/ドラッグ/スクロール）できます。
• 33 の構造化ツール：ナビゲーションや要素操作からカスタム JavaScript や CDP コマンドの実行まで、ブラウザタスクを細かく制御できます。
• プラットフォーム汎用性：Linux、Windows、macOS で動作し、ブラウザを自動検出し、サーバーや Docker 環境向けの「ヘッドレス」フォールバックを備えています。
• 永続セッション：システムブラウザからの Cookie インポートと永続プロファイルストレージをサポートし、再起動後もログイン状態を維持できます。
• 自己観察：エージェントが DSH インターフェース自体と対話している様子も観察できます。
• 堅牢性：クラッシュ処理のためのワーカープロセス管理、自動再試行、ほぼ即時のタスク実行のためのオプションの「常駐」モードが含まれます。