browser-use/jev-ultrafast

解決する課題

Jev Ultrafastは、ブラウザ自動化エージェントに共通するレイテンシと非効率性の問題に対処します。ネットワークのラウンドトリップ数を削減し、エージェントがWebページと対話する方法を最適化することで、フライト検索や複雑なWebサイトのナビゲーションといった目標に対して、より高速で信頼性の高いタスク実行を実現します。

仕組み

このエージェントは、現在のブラウザページを構造化されたインデックス付き要素テーブルに変換することで動作します。単一のネットワークリクエストで、操作（例: CLICK, TYPE_TEXT）と特定のターゲット要素の両方を決定します。スクリーンショットをモデルに送信する代わりに、軽量でアトミックなDOMスナップショットを使用します。テキスト入力が必要な場合は、小型の専門LLMが個別にコンテンツを生成します。システムには、アクションを試みる前にターゲットがクリック可能かつ表示可能であることを検証するガードが組み込まれており、ブロックされた要素や古い要素でエージェントが時間を浪費しないようにします。

対象ユーザー

このプロジェクトは、実行時間とAPIオーバーヘッドを削減する必要がある、高性能なブラウザエージェントを構築する開発者や研究者を対象としています。視覚ベースのモデルよりも構造化されたページデータを扱うことを好み、透明で読みやすいブラウザ自動化のコードベースを求める方に適しています。

ハイライト

• 高効率： ブラウザプロトコルの呼び出しとネットワークのラウンドトリップを最小限に抑えることで、大幅な速度向上を実現します。
• 構造化された対話： 生のスクリーンショットではなくインデックス付き要素テーブルを使用することで、エージェントのコンテキストを集中させ、軽量に保ちます。
• アトミックな意思決定： 操作とターゲットの選択を単一のモデルリクエストに統合します。
• 組み込みの検証： 要素の遮蔽やページの鮮度を自動的にチェックし、アクションの失敗を防ぎます。
• 開発者フレンドリー： 意思決定の確率とステップバイステップの実行を可視化するローカルインスペクターツールを提供します。