wy-coliney/jev-browser-use

해결하는 문제

브라우저 기반 AI 에이전트 워크플로우의 지연 시간과 비용을 줄입니다. 클릭, 스크롤, 토글과 같은 반복적인 탐색 작업을 전문적이고 더 빠른 모델(Jev)에 오프로드함으로써, 고성능 LLM(예: Codex)이 모든 사소한 상호작용을 처리할 필요가 없어지며, 이는 일반적으로 프로세스를 느리게 하고 토큰 비용을 증가시킵니다.

작동 방식

이 프로젝트는 Codex의 "스킬"로 작동하여 하이브리드 실행 루프를 만듭니다. Jev는 스크린샷이 아닌 접근성 텍스트를 처리하여 저수준 브라우저 제어를 담당합니다. 텍스트 입력, 시각적 요소 해석, 결과 최종 검증과 같은 복잡한 작업이 필요할 때 시스템은 제어권을 Codex에 넘깁니다. 이를 통해 에이전트는 핸드오프 간에 세션을 유지할 수 있으며, 모든 클릭에 대해 새 호스트 모델 턴이 필요하지 않습니다.

대상 사용자

Computer Use와 함께 Codex를 사용하고 대시보드, 보고서, 설정 페이지 탐색과 같은 반복적인 브라우저 작업을 모든 단계에 범용 LLM을 사용하는 것보다 더 효율적이고 저렴하게 자동화해야 하는 개발자 및 AI 에이전트 사용자.

주요 특징

• 속도 향상: 특정 워크플로우에서 브라우저 작업이 5~10배 빨라진다고 주장합니다.
• 비용 효율성: 반복적인 결정에 Jev를 사용하여 프론티어 모델과 비교해 입력 토큰 비용을 크게 낮춥니다.
• 하이브리드 제어: Jev(탐색/클릭)와 Codex(텍스트 입력/시각적 판단/검증) 간에 작업을 분할합니다.
• 추가 드라이버 불필요: 추가 npm 종속성이나 드라이버 없이 기존 브라우저 연결과 함께 작동합니다.