sleepinginsummer/agent-browser-cli

何を解決するか

AIエージェントが実際のChromeブラウザセッションを認識・制御できる方法を提供します。SeleniumやPlaywrightのようなヘッドレス自動化ツールとは異なり、このツールはユーザーの実際のブラウザ内でエージェントが動作できるようにし、再認証を必要とせずに既存のログイン状態、クッキー、アクティブなセッションを再利用できます。

動作方法

システムはRustベースのCLIとChrome拡張機能（tmwd_cdp_bridge）から構成されています。拡張機能がWebSocketブリッジを通じて実際のブラウザとCLIを接続します。この構成により、CLIはJavaScriptの実行、DOM要素への操作、Chrome DevTools Protocol（CDP）を用いた低レベル制御など、ブラウザにコマンドを送信できます。

対象ユーザー

• AIエージェント開発者：認証が必要なウェブサイトや複雑なセッション管理を必要とするタスクを実行するエージェントが必要な方。
• QAエンジニア：実際のユーザー環境でのテスト自動化に役立ちます。
• フロントエンド開発者：CLIを使ってページの状態、スタイル、DOM構造をデバッグできます。
• データ収集者：ログイン状態が必要なページからのデータスクレイピングに適しています。

特徴

• セッション再利用：実際のユーザーセッションのログイン状態とクッキーを維持します。
• 包括的な制御：タブスキャン、JS実行、CDP呼び出し、スクリーンショット、ファイルアップロードをサポートします。
• エージェント対応：AIエージェントがこのツールを使う方法を理解するための特別な SKILL.md を含んでいます。
• クロスプラットフォーム：Windows（WSL含む）、macOS、Linuxで動作します。
• ページ簡素化：HTMLを簡素化し、リスト構造を特定するスクリプトを含み、エージェントがページをより効率的に処理できるように支援します。