Player-YN/BrowserKitten

概要

PawWork · 爪爪 (リポジトリ Player-YN/BrowserKitten) は、ログイン済みの Chrome ブラウザをプログラム可能なコンピュータに変える Chrome MV3 拡張機能です。サイドパネル UI を追加し、AI 主導の「エージェント」をホストします。このエージェントは、現在のタブへのコマンド発行、ページコンテキストでの任意の JavaScript 実行、セッション用の小さなアーティファクト（シートデータ、HTML スニペットなど）の保存が可能です。

仕組み

1. サイドパネル UI – ユーザーは拡張機能のサイドパネルを開き、OpenAI 互換の API キー（各自で用意）を貼り付けてタスクを入力します。
2. Service worker – Chrome の拡張機能 service worker がリクエストを受け取り、SessionWorkspaceService と呼ばれる off-screen worker に転送します。
3. Off-screen worker – この worker は、コア AI SDK コンポーネントである ToolLoopAgent をホストします。ユーザーのリクエストを解釈し、どのツールを呼び出すかを決定し、適切な Chrome API を呼び出します。
4. ツール – エージェントは以下の操作が可能です：
   • action – アクティブなタブの操作（クリック、スクロール、ナビゲーションなど）。
   • sys – ページ上でのゲスト JavaScript の実行 (sys.eval) または Chrome DevTools Protocol (sys.cdp) を介した対話。
   • store – セッション内に小さなデータアーティファクト（シート、HTML スニペット）を保持。
5. 結果 – エージェントはサイドパネルにレスポンスを返し、副作用（ページ遷移、DOM 変更、保存されたデータ）は Chrome セッション中保持されます。

主な機能

• ビルドステップ不要 – 拡張機能は解凍された状態で提供され、ソースフォルダから直接読み込めます。
• BYOK (Bring-Your-Own-Key) – モデルのホスティングは行いません。OpenAI 互換の API キーを各自で用意し、Chrome のローカルストレージに保存します。
• Chrome MV3 準拠 – Chrome 135+ で動作します。Chrome 138+ では Allow User Scripts を有効にすることで sys.eval やページ ID フェッチが使用可能です。
• ツール指向アーキテクチャ – UI、service worker、off-screen ワークスペース、AI ツールループが明確に分離されています（AGENTS.md に記載）。
• テスト – 純粋な Node ランタイム回帰テストと、実際の拡張機能を読み込む Playwright ベースのスモークテストが含まれています。
• パッケージングスクリプト – 解凍された拡張機能を配布用に zip 化する小さな Python ヘルパーが含まれています。

想定ユーザー

• パワーユーザー：自然言語プロンプトを使用して、反復的な Web タスク（フォーム入力、データ抽出、ナビゲーション）を自動化したい方。
• 開発者：カスタムスクリプトを書かずに、AI 拡張ブラウザ自動化を試したい方。
• 研究者：ライブブラウザ環境と対話する LLM 主導のエージェントを研究している方。

はじめに

1. リポジトリをクローンするか、リリース zip をダウンロードします。
2. Chrome で chrome://extensions に移動し、デベロッパーモードを有効にして Load unpacked をクリックし、manifest.json を含むフォルダを選択します。
3. サイドパネルを開き、OpenAI API キーを貼り付けて、任意の http(s) ページでタスクの発行を開始します。
4. ソースを編集した場合は、拡張機能カードの 重新加载 (Reload) をクリックしてください。

制限事項

• 通常の Web ページでのみ動作します。Chrome 内部ページ (chrome://*) や Chrome ウェブストアはブロックされています。
• Chrome 135+ が必要です（高度なユーザースクリプト機能には Chrome 138+ が必要）。
• モデルのホスティングは組み込まれていません。有効な OpenAI 互換キーが必要です。
• 一部の DevTools 対話では、CDP_BUSY エラーを避けるために、対象タブで DevTools を閉じておく必要があります。

---

ライセンス： MIT (LICENSE を参照)。 サードパーティ通知： THIRD_PARTY_NOTICES.md に記載。