browser-use/web-ui

🖥️ Run AI Agent in your browser.

何を解決するか

このプロジェクトは、browser-use ライブラリ用の使いやすいグラフィカルインターフェースを提供し、ユーザーがウェブサイトをナビゲートおよび操作できる AI エージェントと対話できるようにします。コードを書く必要なく、エージェント駆動のブラウザ自動化タスクをトリガーできます。

動作方法

Gradio を基盤として構築された WebUI は、ブラウザエージェントのコントロールパネルとして機能します。Google、OpenAI、Azure OpenAI、Anthropic、DeepSeek、Ollama などのさまざまな大規模言語モデル（LLM）と統合されています。ユーザーは、認証セッションを維持し、ウェブサイトへの再ログインを回避するために、カスタムローカルブラウザインスタンスを使用できるようにエージェントを設定できます。

対象ユーザー

Pythonスクリプトを書く必要なく AI ブラウザエージェントを操作したいユーザー、およびブラウザ自動化エージェントを視覚的に監視・管理したい開発者。

特徴

  • 広範な LLM 対応: DeepSeek、Anthropic、Ollama を含む多数のプロバイダーと互換性があります。
  • カスタムブラウザ統合: ローカルブラウザ実行可能ファイルとユーザーデータディレクトリを使用して、認証の障壁を回避できます。
  • 永続的なセッション: 異なる AI タスクの間でブラウザウィンドウをオープンしたままにし、状態を維持できます。
  • 詳細なモニタリング: Docker で実行する場合、高解像度の画面記録と VNC ビューアーへのアクセスをサポートしています。

関連

  • プロジェクト
    browser-use/browser-use

    Browser Useは、LLMエージェントに実際のまたはクラウドホスト型Webブラウザの完全な制御を提供するオープンソースのPython/TypeScriptライブラリです。31のブラウザアクションをツールとして提供し、カスタム関数をサポートし、OpenAI、Anthropic、Googleモデルまたは独自のBU2モデルで動作し、完全ホスト型クラウドAPI、既存エージェント用のCLI、コードに埋め込むライブラリの3つの使用モードを提供します。Webタスクの自動化、ブラウジングするAIアシスタントの構築、LLM駆動のWebナビゲーションの研究に最適です。

  • プロジェクト
    alibaba/page-agent

    ヘッドレスブラウザを必要とせず、自然言語によるDOM操作と自動化のためにAIエージェントをウェブページに埋め込むクライアントサイドのJavaScriptライブラリ。

  • プロジェクト
    platonai/Browser4

    Browser4は、AIネイティブなブラウザ自動化エンジンで、LLMエージェント（または人間）が高速なRust CLIを介して実際のブラウザを駆動し、ゼロトークンのX‑SQL/CSSセレクタでデータを抽出し、大規模なクロールやMLベースのスプレッドシート生成（WebMiner）を実行できます。CDPネイティブなパフォーマンス、スウォームスケーリング、ハイブリッドLLM/MLインテリジェンスを組み合わせており、Javaバックエンド（Maven Central）を備えたnpm CLIとして配布されています。

  • プロジェクト
    open-webui/open-webui

    Open WebUI は、任意のOpenAI互換APIおよびローカルのOllamaモデルと連携できるオープンソースで自己ホスト可能なLLM用Webインターフェースです。チャット、ノート、チャンネル、カレンダー、音声/動画通話、画像生成などの豊富なUI、拡張可能なプラグインシステム、RBAC、マルチモデル対応、組み込みRAG（ベクトルDB、ウェブ検索）、エージェントがコードを実行できる「Open Terminal」、およびLDAP/SSO、SCIMプロビジョニング、オブザーバビリティなどのエンタープライズ機能を提供します。pip、Docker（CPU/GPU、バンドルOllama）、Kubernetesでインストール可能。エコシステムにはデスクトップアプリ、モバイル最適化のコーディングエージェント、外部知識ベースの同期ツールが含まれます。