normal-computing-oss/fuji-web

Fuji-Web — AI搭載のブラウザ自動化拡張機能

概要：Fuji-Webは、大規模言語モデル (LLM) をブラウザ内の「副操縦士」として機能させるChrome（および互換）拡張機能です。自然言語でタスクを入力すると（例：“book a flight from NYC to Paris for next Friday”）、拡張機能がプロンプトと現在のページのスクリーンショットをOpenAIまたはAnthropicのAPIキー経由でLLMに送信し、計画を受け取って自動的にページを操作しながら各ステップを表示します。

仕組み

• UIはFujiアイコンをクリックして開くサイドパネルにあります。APIキーを貼り付けると、キーはブラウザ内にローカル保存され、PCから外部へ送信されることはありません。
• タスクを送信すると、拡張機能が現在のページ（テキスト + 画像）をキャプチャし、選択したLLMに転送します。
• モデルは一連のアクション（クリック、入力、選択、スクロールなど）を返します。Fuji-WebはChrome拡張機能APIを通じてそれらのアクションを実行し、各ステップの人間が読める説明をサイドパネルに更新します。
• すべての通信はOpenAI/Anthropicエンドポイントへの直接呼び出しであり、バックエンドサーバーは存在しません。

はじめに

1. インストール – releasesページから最新の fuji-extension.zip をダウンロードして解凍し、chrome://extensions（デベロッパーモードを有効にする）からパッケージ化されていない拡張機能として読み込みます。
2. 設定 – サイドパネルを開き、OpenAIまたはAnthropicのAPIキーを貼り付けます。
3. 実行 – 任意のサイトに移動してタスクを入力し、アシスタントが動作する様子を観察します。

ソースからのビルド

• Node 20（またはそれ以降のバージョン）と pnpm が必要です。
• リポジトリをクローン → pnpm install → pnpm dev でホットリロード、または pnpm build でChromeに読み込める dist フォルダを生成します。

ロードマップのハイライト

• Puppeteer、Playwright、Seleniumなどの自動化ツールと統合するためのパブリックAPI。
• より複雑なマルチタブワークフローと、よりリッチなUIインタラクション（ドロップダウン、フルページ抽出）。
• ワークフローの保存と共有、およびモデルのパフォーマンスを向上させるためのコミュニティ主導のナレッジベース。

重要性 Fuji-Webは、クラウドホスト型サービスなしで日常的なWebタスクにLLMを活用するための、実用的でユーザー制御可能な方法を示しています。APIキーをブラウザ内に保持し、アクションプランを公開することで、ユーザーに透明性とプライバシーを提供し、LLM駆動のエージェントを既存のツールに直接組み込む方法を提示しています。

詳細情報

• デモ動画とベンチマークを含むブログ記事：https://www.normalcomputing.com/blog/introducing-fuji-web
• トラブルシューティングガイド、貢献ガイドライン、フィードバック用のDiscordコミュニティ。

---

上記の詳細はすべてリポジトリのREADMEから直接引用しています。