hydro13/tandem-browser

解決する課題

Tandem Browser は、AI「サイドバー」の制限を克服するために、AIエージェントをブラウザランタイムに直接統合しています。これにより、エージェントはユーザーの実際の認証済みセッション（クッキー、ログイン）内で動作し、現在のウェブ環境と対話できるようになり、APIが存在しないSaaSプラットフォームの自動化や、リアルタイムでのライブウェブサイトUIの変更が可能になります。

動作方法

これはローカル優先のElectronブラウザであり、エージェント層を第一級のサポートとして提供します。エージェントはModel Context Protocol (MCP) または包括的なHTTP API（300以上エンドポイント）を通じてブラウザに接続します。エージェントは脆弱なピクセルベースの自動化ではなく、アクセシビリティツリー、DOM、ライブネットワークログを使用してページと対話します。安全性を確保するため、プロンプトインジェクションを防ぎ、悪意あるウェブコンテンツからユーザーのマシンを守るための8層セキュリティパラメータを採用しています。

対象ユーザー

• AI開発者: 特定サイト用のレシピを書かずに、複雑なウェブタスクを実行したい開発者
• パワーユーザー: 自分のログイン済みセッションを使って、毎日のSaaSワークフロー（例：Gmail、銀行ポータル）を自動化したい人
• セキュリティ意識の高いユーザー: データとセッションが自らのマシン上に残るローカル優先ブラウザを求めるユーザー

特徴

• モデル非依存: MCPまたはHTTPを扱える任意のエージェント（Claude、GPT、Gemini、OllamaやLM Studio経由のローカルモデルなど）と互換性があります。
• リアルセッションアクセス: 実際のタブとクッキー上で動作し、ヘッドレスブラウザのセットアップや手動ログインスクリプトの必要性を回避します。
• 意味的対話: アクセシビリティスナップショットとDOMを使用してページ構造を「見る」ため、スクリーンショット駆動の自動化よりも堅牢です。
• 人間の介入: 明示的なハンドオフをサポートし、CAPTCHAや危険な操作はエージェントが再開する前に人間が処理できます。
• リモート接続: プライベートなTailscaleネットワーク経由でエージェントをリモートから接続可能。