agentrhq/webcmd

Webcmd とは？

Webcmd は、AI エージェント向けの自己学習型ブラウザ自動化レイヤーです。エージェントが実際のブラウザ（Playwright スタイルのコマンド経由）を制御できるようにし、遭遇したページ、アクション、API のローカル「サイトマップメモリ」を自動的に構築します。次回エージェントが同じサイトで作業する必要がある場合、サイト全体を再探索する代わりにそのメモリを再利用でき、トークン使用量とコストを最大 90% 削減できます。

コアコンセプト

レイヤー	役立つ場面	提供内容
0. ライブブラウザ制御	サイトが新しいか、タスクに最新データが必要な場合。	`webcmd browser` により、エージェントは実際のブラウザセッションでクリック、入力、ネットワーク呼び出しのキャプチャ、コンテンツのスクレイピングができます。
1. サイトマップメモリ	サイトは既知だが、正確なワークフローが不明な場合。	Webcmd は、観察されたページ、状態、アクション、フォールバックパスのサイトマップを記録します。このメモリはローカル（または Webcmd Cloud）に保存され、後続のエージェントがクエリできます。

仕組み（高レベル）

セッションを開始 – プロファイルはクッキーを保存します；セッションはそのプロファイル内の分離ブラウザウィンドウです。
ライブコマンドを実行 – エージェントは Playwright スタイルのスクリプト（または単純な CLI コマンド）をセッションに送信します。
静かに学習 – ブラウザが実行されている間、Webcmd は有用なナビゲーション情報（リンク、フォーム、API 呼び出し、ページタイトルなど）を抽出し、ローカルメモリに追加します。
メモリを再利用 – 将来のエージェントは、保存されたサイトマップや特定のページデータを Webcmd に要求でき、再ナビゲーションの必要性を回避できます。
オプションのクラウド – 最初のアクセスで Webcmd Cloud からシードを取得できます；その後の学習はユーザーのマシンに残ります。

クイックスタート（README より）

# グローバルインストール（Node 20.6+ が必要）
npm install -g @agentrhq/webcmd

# ブラウザスキルを追加（Claude、Codex などを選択）
webcmd skills add

スキルをインストールした後、次のようなコマンドを実行できます：

webcmd を使用して、Hacker News と Reddit でブラウザ自動化に関する最新の議論を調査し、ソースリンク付きの簡潔な比較を返してください。

エージェントは実際のブラウザを起動し、検索を実行し、ナビゲーションコンテキストを後で再利用できるように保存します。

使用例

研究集約 – PubMed、Reddit、Hacker News からタイトル、要約、URL を取得し、整然とした要約を返します。
E コマース監視 – Grainger で部品番号を検索し、価格/在庫情報を取得し、SAP 発注ステータスと組み合わせます。
ソーシャルメディアキュレーション – ログイン済みの LinkedIn プロファイルで未読メッセージを要約；X/Twitter プロファイルで最近のブックマークを収集します。
AI ツール検索 – 過去の ChatGPT または Claude 会話、ノートブック、生成アセットを取得します。
予約とショッピング – Amazon、Blinkit、Practo などで製品の在庫、価格、予約枠を比較します。

ベンチマーク

Webcmd は BU Bench V1 100 タスクブラウザ自動化スイートで評価されました。達成結果：

67% の精度（テストされたツール中最も高い）
タスクあたり $0.255 のコスト（最も低い）
タスクあたり 9.8 エージェントターン（最も少ない）ベンチマークはすべてのツールで同じ Pi コントローラー、Codex gpt-5.4 判定者、CloakBrowser エンジンを使用し、比較を公平にしました。

インストールと基本コマンド

コマンド	目的
`webcmd skills add`	ブラウザスキルハーネスをインストール（Claude、Codex、カスタム）。
`webcmd --profile <name> session create "<desc>" -f json`	新しい分離セッションを作成；セッション ID を返します。
`webcmd --profile <name> --session <id> browser run --file explore.js`	セッション内で Playwright スタイルのスクリプトを実行。
`webcmd --profile <name> --session <id> browser tabs`	セッション内の開いているタブを一覧表示。
`webcmd --profile <name> --session <id> browser run --stdin`	単一行スクリプトをパイプ（例：`return await page.title();`）。
`webcmd --profile <name> session close <id>`	セッションを閉じてリソースをクリーンアップ。

制限と現在のステータス

ベータ版 / 不安定 – プロジェクトは活発に開発中；API は変更される可能性があります。
ローカルメモリのみ – マシン間の永続的な共有にはオプションの Webcmd Cloud（まだ開発中）が必要です。
実際のブラウザが必要 – 内部で Playwright を使用するため、ヘッドレスまたはヘッド付きブラウザ環境が必要です。
エージェント固有のプロンプト – このツールは LLM プロンプトから呼び出されるように設計されています；生の CLI 使用は可能ですが、あまり人間工学的ではありません。

ライセンス

Apache 2.0（LICENSE を参照）。

詳細情報

ドキュメント – https://webcmd.dev/docs（エージェントプロンプト、概念、CLI リファレンス）
Discord コミュニティ – https://discord.gg/9YP2C9tvMp
GitHub リポジトリ – https://github.com/agentrhq/webcmd

TL;DR

Webcmd は AI エージェントにライブブラウザ + メモリの組み合わせを提供します：エージェントはリアルタイムのウェブアクションを実行でき、システムは再利用可能なサイトマップを静かに記録し、後続タスクの繰り返しナビゲーションとトークンコストを大幅に削減します。これは Playwright 上に構築された Node ベースの CLI で、研究、ソーシャル、ショッピング、AI ツール自動化シナリオを対象としています。