browser-act/skills

何を解決するか

BrowserAct は、AIエージェントがウェブ自動化、データ抽出、アカウントベースのワークフローを実行できるように設計されたブラウザ環境を提供します。AIエージェントがブロックされる問題、並列タスク間での認証セッションの扱いの難しさ、LLMの推論に向けた生のHTML/JSONの処理の非効率性を解決します。

動作方法

このプロジェクトは、AIエージェントがシェルコマンドでロードして実行できる「スキル」のセットを提供します。ブロックを回避するための3層の保護機構を採用しています：環境層（フィンガープリント偽装、TLSローテーション）、実行層（CAPTCHAの解決）、人間層（手動介入のためのリモートハンドオフ）。

3つのブラウザモードを提供します：

• Chrome：ローカルのログイン状態を再利用。
• Stealth Privacy：バッチスクレイピング用に新規のフィンガープリントとプロキシを使用。
• Stealth Fixed Identity：アカウントのアイデンティティを維持するための安定したフィンガープリントとIPアドレス。

LLM最適化のため、生のDOMではなく、コンパクトなインデックス付きテキスト形式でページ状態を表現し、エージェントが要素をインデックスで操作できるようにしています（例：click 3）。

対象ユーザー

Claude Code、Cursor、Gemini CLIなどのツールを使ってAIエージェントを開発している開発者で、リアルなウェブとやり取りしたい、複数のアカウントを管理したい、または検出されないよう保護されたコンテンツをスクレイピングしたい人。

特徴

• エージェント中心の設計：インデックス付き操作とコンパクトなテキスト出力を使用して、トークン消費を削減し、推論を簡素化。
• ブロック回避ソリューション：ステルスフィンガープリント、TLSローテーション、住宅用プロキシ、自動CAPTCHA解決を統合。
• 人間が関与する仕組み：remote-assist機能により、エージェントが詰まった場合に人間がライブURL経由でブラウザセッションを引き継ぐことが可能。
• 干渉のない並列処理：並列タスク間で独立したクッキーとフィンガープリントをサポートし、相互汚染を防止。
• Skill Forge：ウェブサイトのAPIやデータパターンを自動で発見し、手動コーディングなしで再利用可能なスクレイピングスキルを生成するツール。