jkudish/jev-browser

何を解決するか

Jev Browser は、AIエージェントがウェブサイトをナビゲートし、要素と対話し、情報を抽出できるようにすることで、ブラウザベースのタスクを自動化することを目的としています。Playwrightを介して実際のヘッドレスブラウザを駆動することで、フォーム入力、価格データの取得、Wikipedia記事のナビゲーションなど、特定の目標を達成するための高速かつ低コストな方法を提供することを目指しています。

動作方法

このプロジェクトは、TypeSafeのJevモデルを使用して、ナビゲーションの各ステップで意思決定を行います。モデルはページ上のクリック可能、入力可能、選択可能な要素を分析し、各ステップで1つのアクションを選択します。また、目標が達成された可能性や実行が詰まった可能性をスコアリングします。このシステムは、予算管理、回復処理、停止ゲートを処理するループによって管理されます。MCPサーバー、CLIツール、または他のアプリケーションに統合可能なライブラリとして提供できます。

対象ユーザー

• AIエージェント開発者: MCP（Model Context Protocol）またはTypeScriptライブラリを通じてブラウザ自動化機能をエージェントに統合したい人。
• 自動化エンジニア: 各サイトごとに複雑なカスタムスクリプトを書かずに、ウェブスクレイピングやフォーム入力を実行したい人。
• 開発者: AI駆動のアプローチでウェブとプログラム的にやり取りしたい人。

特徴

• 複数の統合モード: MCPサーバー、CLI、またはライブラリとして利用可能。
• セキュアな資格情報処理: パスワードフィル機能とシードクッキーを備え、AIモデルにシークレットを露出せずにログインを処理。
• 高い効率性: Wikipediaのナビゲーションなど、数秒でタスクを完了し、1セントの数パーセント未満のコストで実行可能。
• 詳細なトレーサビリティ: 信頼度スコア付きのステップバイステップのトレース、最終ページのコンテンツ（Markdown含む）、スクリーンショットを提供。
• ハンドオフファイル: 1回限りのハンドオフファイルを使用して、MCPサーバーにパスワードやクッキーを安全に送信。