browser-use/browsercode

何を解決するか

BrowserCode はブラウザ操作を自動化するためのコーディングエージェントです。従来の硬直的なブラウザ自動化ツールの問題を解決し、AIエージェントが Chrome DevTools Protocol (CDP) を介して直接 JavaScript を書く・実行できるようにすることで、実行時に任意のウェブサイトに適応でき、将来のタスク用に再利用可能なスクリプトを作成できます。

動作方法

このプロジェクトは、ブラウザ操作をコーディングの問題として捉えます。高レベルな抽象化を使用するのではなく、エージェントは browser_execute(code) と呼ばれるコアプリミティブを使用し、JavaScript をインプロセスで実行し、CDP を通じて Chrome と通信します。これにより、複数の呼び出しにわたってセッションを維持でき、ログ、値、スクリーンショットを受信して行動を判断できます。

対象ユーザー

ローカルサイトのQAテスト、ウェブサイトからのデータ抽出、ECプラットフォームでの割安品の検索など、複雑なウェブタスクを実行できる自律型エージェントが必要な開発者やユーザー向けです。

特徴

• 直接的なブラウザ制御: 制限のない CDP を使用して実際のブラウザを操作します。

• 柔軟な接続性: 既存のブラウザタブに接続、ローカルブラウザプロファイルの新規作成、またはリモートクラウドブラウザの使用が可能です。

• LLM無関係: APIキーでアクセス可能な任意のモデルをサポートしており、OpenCodeが対応するプロバイダーも含みます。

• 再利用可能なスクリプト: 自動的にローカルワークスペースにスクリプトを書き出し、後で再利用できます。

• クラウド連携: Browser Use Cloud と連携し、ステルスモード、CAPTCHAの解決、プロキシ機能を提供します。