wy-coliney/jev-browser-use

解決する問題

ブラウザベースの AI エージェントワークフローのレイテンシとコストを削減します。クリック、スクロール、トグルなどの反復的なナビゲーションタスクを、専門の高速モデル（Jev）にオフロードすることで、高能力の LLM（Codex など）がすべての細かい操作を処理する必要がなくなり、通常はプロセスが遅くなりトークンコストが増加するのを防ぎます。

仕組み

このプロジェクトは Codex の「スキル」として機能し、ハイブリッド実行ループを作成します。Jev はスクリーンショットではなくアクセシビリティテキストを処理することで、低レベルのブラウザ制御を担当します。テキスト入力、視覚要素の解釈、結果の最終検証などの複雑なアクションが必要な場合、システムは制御を Codex に戻します。これにより、エージェントはハンドオフ間でセッションを維持でき、クリックごとに新しいホストモデルのターンを必要としません。

対象読者

Computer Use で Codex を使用し、ダッシュボード、レポート、設定ページなどのナビゲーションなど、反復的なブラウザ操作を、汎用 LLM をすべてのステップに使用するよりも効率的かつ低コストで自動化する必要がある開発者および AI エージェントユーザー。

ハイライト

• 速度向上： 特定のワークフローでブラウザ操作が 5〜10 倍高速になると主張。
• コスト効率： 反復的な決定に Jev を使用することで、フロンティアモデルと比較して入力トークンコストを大幅に削減。
• ハイブリッド制御： Jev（ナビゲーション/クリック）と Codex（テキスト入力/視覚的判断/検証）の間で作業を分割。
• 追加ドライバ不要： 追加の npm 依存関係やドライバを必要とせず、既存のブラウザ接続で動作。