adamallcock/codex-chatgpt-control
Unofficial SDK for Codex agents controlling visible ChatGPT web sessions
解決する課題
AIエージェント（特にCodexフレームワークを使用するもの）が、表示されているChatGPTウェブインターフェースにタスクを委任するための構造化された方法を提供します。これにより、ユーザーがローカル実行環境とChatGPTウェブUIの間で作業を手動で移動する必要がなくなり、会話のレビュー、調査、長文の成果物作成などのプロセスがスムーズになります。
動作方法
SDKはエージェントとchatgpt.comウェブサイトの間のブリッジとして機能します。プライベートAPIは使用せず、代わりにCodex/ブラウザブリッジを介してブラウザを制御し、表示されているUIコントロールと対話します。ユーザーが「チャット」または「ワーク」体験のどちらにいるかを検出でき、設定（モデルや努力レベルなど）を検査・適用し、スレッドを管理し、表示されたコントロール経由でファイルをアップロードし、生成されたアーティファクトや画像をダウンロードできます。
対象ユーザー
ユーザーが実際に確認・監視できる本物のChatGPTウェブ製品とやり取りできるようにしたい、Codexスタイルのエージェントを開発している開発者。
特徴
- 表示セッション専用: ブラウザUIを介して動作するため、ワークフローがユーザー主導かつ可視性を保ちます。
- 体験検出: ChatGPTチャットとワーク体験を区別し、結果のUI状態を検証します。
- アーティファクト管理: ローカルファイルのアップロードと生成されたファイルや画像のみのアーティファクトのダウンロードをサポートします。
- トランザクション操作: 重複タスクを防ぎ、部分的な結果からの回復を可能にする耐久的な操作IDシステムを含みます。
- 多言語対応: Node.jsランタイムとPythonパリティクライアントの両方で利用可能です。
関連
- プロジェクト
- プロジェクト
- プロジェクト
- プロジェクト
- プロジェクト