browser-use/browser-harness
Browser Harness | Self-healing harness that enables LLMs to complete any task.
解決する課題
標準的なブラウザ自動化は、複雑で予測不可能なウェブタスクに必要な柔軟性に欠けることがよくあります。このプロジェクトは、websocketを介してLLMを実際のChrome/Chromiumブラウザに直接接続する方法を提供し、エージェントが硬直した自動化スクリプトの制限を受けることなくタスクを実行できるようにします。
仕組み
このハーネスは、Chrome DevTools Protocol (CDP) を介して実行中のブラウザに接続します。エージェントが実行中に不足しているヘルパー関数やドメイン固有のスキルを自ら記述できるという、独自の方式を採用しています。エージェントが既存のツールでは完了できないタスクに遭遇した際、それを解決するために必要なPythonコードを記述し、実行のたびにハーネスの能力を効果的に向上させます。
対象者
- AIエージェント開発者: モデルに実際のブラウザ環境内での完全な自由を与えたいと考えている方。
- 自動化エンジニア: LinkedInでのアウトリーチやAmazonでの注文といった、サイト固有の複雑なワークフローをエージェントに処理させたい方。
- 開発者: 経験を通じてセレクターやフローを学習する、自己改善型のウェブエージェントを構築したい方。
ハイライト
- 自己改善能力: エージェントは新しいタスクに遭遇するたびに、独自のヘルパー関数やドメインスキルを記述します。
- 直接的なCDP接続: 単一のwebsocketを使用してChromeに接続し、軽量で編集可能なインターフェースを提供します。
- ドメインスキル: エージェントに特定のセレクターやフローを教える、再利用可能なサイト固有のスキルをサポートします。
- クラウドオプション: ステルス、サブエージェント、またはCAPTCHA解決を含むヘッドレス展開のためのクラウドサービスを提供します。