outcrawlai/scout

Outcrawl による Scout – オープンソースのブラウザエージェント

概要

• TypeScript/Node ライブラリ (@outcrawl/scout) で、プレーンな英語でWebタスクを記述できます。Scout は実際の Chrome/Chromium ブラウザを操作し、クリック、入力、スクロール、情報抽出を行い、回答（または部分的な結果）とリプレイリンクを返します。
• 核となるアイデアは、各ブラウザ操作を決定する ハンズオン AI モデルで、必要に応じてプランニングモデル（ブレイン）とビジョンモデル（アイズ）が補助します。ライブラリ自体にはモデルは含まれておらず、標準のチャット完了 API（OpenAI、Anthropic、ローカル LLM など）を実装した任意のサービスをプラグインできます。

始め方

1. npm パッケージをインストールします（Node 22+）。

   npm i @outcrawl/scout
   

2. 以下の環境変数を設定します：
   • OUTCRAWL_API_KEY – 無料の Outcrawl ブラウザキー（月 1,000 クレジット）。
   • SCOUT_BASE_URL、SCOUT_API_KEY、SCOUT_HANDS_MODEL – ハンズ ジョブに使用する LLM を指定します。
3. Scout インスタンスを作成し、run('自然言語のタスク') を呼び出す短いスクリプトを書きます。
   README の例では、Hacker News のトップ 3 記事を取得するワンライナーが示されています。

実行場所

• Outcrawl クラウド（推奨）：ライブラリはリモートブラウザに接続し、住宅用 IP からのアクセスに見えるようにし、キャプチャを解決し、すべてのステップを記録します。API キーのみが必要で、ローカルブラウザのインストールは不要です。
• ローカルマシン：Playwright の Chromium をインストールし（npm i playwright-core && npx playwright install chromium）、browser: { launch: {} } を設定します。CDP を介して既存の Chrome に接続することもできます。

実行できるタスク

• リサーチ（例：トップニュースのスクレイピング）。
• フォームの入力（例：ピザを注文し、注文確認を報告）。
• ページ間でのアイテムの比較。
• サイトへのログインと保護されたメッセージの読み取り。
• ブラウザで通常手動で行うことなら何でも、自然言語の指示として表現できます。

モデルアーキテクチャ

ジョブ	役割
hands	ページを読み取り、次の低レベルアクション（クリック、入力、スクロール）を決定します。毎ステップ実行されるため、高速なモデルが必要です。
brain	ページの全体的なシーケンスを計画する高レベルプランナー。長い複数ページのタスクに役立ちます（オプション）。
eyes	ビジュアルキューが必要な場合にスクリーンショットを解釈できるビジョンモデル。
extract	構造化抽出モデル。省略した場合、hands はプレーンテキスト抽出にフォールバックします。

各ジョブに個別のモデル設定を提供し、すべて同じチャット完了 API 形式を使用します。

出力 result オブジェクトには以下が含まれます：

• status（completed、partial、capped、failed）。
• data – 回答（提供した JSON スキーマで整形される場合もあります）。
• error – 取得できなかった内容の説明。
• steps – すべてのブラウザ操作のタイムライン。
• costUsd – モデル呼び出しのコスト（既知の場合）。
• replayUrl – 実行のステップバイステップビデオへのリンク（クラウドのみ）。

パフォーマンスの主張 Outcrawl のクラウド版は、Browser Use 80 サイトベンチマーク（2026年10月）で 92.5％ の成功率を達成し、次点のオープンソースソリューション（81.4％）を上回りました。

リポジトリ構成

• packages/scout – 公開 API（new Scout(...).run）。
• packages/runtime – ページを観察し、モデルを呼び出し、アクションを実行するエージェントループ。
• packages/model – プロンプトテンプレート、ジョブ分割、プロバイダー非依存のクライアントコード。
• packages/scout-cdp – ナビゲーションと操作のための Chrome DevTools Protocol の薄いラッパー。
• packages/agenthands – ローカルのみの入力プランニングユーティリティ（MIT ライセンス）。

対象読者

• スクラッチでブラウザ自動化スタックを構築せずに、プログラム可能なウェブエージェントを必要とする開発者。
• 実際のブラウザの忠実度（キャプチャ、動的 JS など）を必要とする LLM 駆動エージェントを実験する研究者。
• マネージドクラウドブラウザでタスクを実行して、アンチボットブロックを回避したいチーム。

ライセンス メインコードは Apache-2.0、agenthands サブパッケージは MIT。

---

上記の情報はすべてリポジトリの README から直接引用したもので、追加の機能は推測されていません。