agentrhq/webcmd

해결하는 문제

Webcmd는 AI 에이전트가 작업을 수행할 때마다 동일한 웹사이트와 탐색 경로를 다시 발견하지 않도록 하는 자기학습형 브라우저 인프라를 제공합니다. 이로 인해 토큰 소비를 최대 90%까지 줄이고, 브라우저 자동화의 신뢰성과 속도를 높이며, 변동적인 브라우저 상호작용을 결정론적인 명령어로 전환합니다.

작동 방식

Webcmd는 브라우저 상호작용에 계층적인 접근 방식을 구현합니다:

• 레이어 0 (실시간 브라우저 제어): 에이전트가 webcmd browser를 사용해 사전에 익숙하지 않은 사이트를 사전에 검사하고, 클릭하며 데이터를 추출할 수 있습니다. 이는 사전에 격리된 Playwright 스타일 환경을 사용합니다.
• 레이어 1 (사이트맵 메모리): 관찰된 페이지, 워크플로우, API의 에이전트용 사이트맵을 기록하여 탐색의 반복을 피합니다.
• 레이어 2 (CLI 작성): 특정 사이트용 재사용 가능한 어댑터를 생성하고 구조화된 출력을 제공함으로써, 에이전트의 토큰 소비를 탐색에서 실제 작업으로 전환합니다.
• 레이어 3 (확장된 CLI): 즉시 실행 가능한 결정론적 워크플로우를 위한 맞춤형 명령어를 개발합니다.

사용자는 프로필(쿠키 자루)과 세션(독립된 브라우저 창)을 통해 브라우저 상태를 관리할 수 있으며, 병렬로 작동하는 에이전트가 안전하게 운영될 수 있습니다.

대상 사용자

소셜 미디어, 연구 데이터베이스, 쇼핑 플랫폼, AI 도구 등 다양한 사이트에서 빈번하고 신뢰성 있으며 비용 효율적인 웹 브라우징과 데이터 추출이 필요한 AI 에이전트를 개발하는 개발자들입니다.

주요 특징

• 토큰 효율성: 브라우저 상호작용을 CLI 명령어로 압축함으로써 비용과 변동성을 크게 줄입니다.
• 계층적 학습: 원시 브라우저 제어에서 결정론적 CLI 어댑터로 단계적으로 진화합니다.
• 세션 관리: 인증된 브라우징을 위한 프로필과 격리된 세션을 지원합니다.
• 플러그인 생태계: 커뮤니티가 개발한 사이트 어댑터 카탈로그가 포함되어 있습니다 (예: Hacker News, PyPI, Skyscanner).
• 고성능: 정확도, 작업당 비용, 에이전트의 턴 수 측면에서 BU Bench V1 벤치마크에서 다른 도구를 능가합니다.