alchaincyf/huashu-chrome

解決する問題

AI エージェントが通常、既存のログイン状態、Cookie、個人のブラウザ履歴にアクセスできない、隔離された「クリーンな」ブラウザセッションで動作するという制限に対処します。MCP 互換の AI エージェントが、日常使用する実際の Chrome ブラウザを制御できるようにし、フォームへの入力、認証済みダッシュボードとの対話、ログイン済みサイトからのデータスクレイピングなどのタスクを可能にします。

仕組み

AI エージェントとブラウザの間のブリッジとして機能し、npm パッケージ、CLI、MCP サーバー、ローカルブリッジプロセス、Chrome 拡張機能の 5 つの部分からなるアーキテクチャを使用します。コマンドを発行すると、エージェントは MCP サーバーを介してローカルブリッジと通信し、ブリッジは指示を Chrome 拡張機能に中継します。拡張機能はブラウザと対話する「手」として機能し、エージェントにページの構造化スナップショット（参照番号付き要素を使用）を提供し、アクションを実行します。20 を超える Web サイト向けの組み込みの「サイト知識」が含まれており、エージェントが一般的な落とし穴を回避するのに役立ち、エージェントがサイト固有のパターンをローカルに学習して保存できるようにします。

対象読者

このプロジェクトは、AI コーディングエージェント（Claude Code、Cursor、Cline、Windsurf など）を使用し、CRM データ入力、クラウドコンソールの管理、内部 Web ツールとの対話など、認証が必要なブラウザベースのワークフローを自動化したいパワーユーザーと開発者向けです。

ハイライト

• 実際のログイン永続性: アクティブな Chrome ブラウザ内で直接動作するため、再認証や複雑なログインフローの処理が不要です。
• 検証優先のアクション: すべての書き込み操作で、エージェントはページ変更の証拠を報告する必要があります。ページが期待どおりに反応しない場合、エージェントは停止して連鎖エラーを防ぎます。
• サイト固有のインテリジェンス: 20 を超える人気サイト向けの事前設定された「経験」ノートが付属し、エージェントが新しい発見をローカルに保存して将来のパフォーマンスを向上させることができます。
• 安全性重視の設計: LLM の外部にセキュリティ対策を実装します。たとえば、エージェントがバイパスできない支払い用の必須確認 UI や、自動的な機密データの編集などです。
• 広範な互換性: 20 を超える人気の AI エージェントと CLI ツールの MCP 設定を自動的に検出して構成します。