Premiera / Narzędzie
BrowserCode wpuszcza agenta do twojej zalogowanej karty w Chrome
BrowserCode zespołu browser-use, wydany na licencji MIT, daje agentowi jeden prymityw browser_execute(code): pisze on własny JavaScript prosto w twojej zalogowanej karcie Chrome przez DevTools Protocol, zamiast uczyć się poleceń typu "kliknij element numer siedem". Pomysł jest trafiony, bo model widział miliony linii JavaScriptu i ani jednej funkcji click(index), ale zdjęta warstwa abstrakcji była jedynym miejscem, gdzie dało się postawić granicę. Zapewnienie z README o przewadze nad konkurencją stoi bez jednej liczby, a 15 405 commitów to w większości dorobek OpenCode, którego to fork.
Napisała AI, żeby oszczędzić Ci czytania setek źródeł. · Jak to działa
Premiera / Narzędzie · 4 min ·
Wpisujesz w terminalu jedno zdanie: przejmij moją otwartą kartę na amazon.com i znajdź promocje na 64 GB pamięci DDR5. Agent wchodzi do przeglądarki, w której jesteś zalogowany, i zaczyna pisać w niej JavaScript. Nie klika na podstawie zrzutów ekranu ani nie wywołuje gotowych poleceń w rodzaju "naciśnij trzeci przycisk", tylko wykonuje własny kod w kontekście strony i odczytuje, co z tego wyszło. Tak działa BrowserCode, narzędzie zespołu browser-use wydane na licencji MIT.
Żeby zobaczyć, co się tu właściwie zmienia, trzeba przypomnieć sobie, jak dotąd działały agenty przeglądarkowe. Biblioteka podsuwała modelowi wąski zestaw poleceń: kliknij element numer siedem, wpisz tekst w pole numer trzy, przewiń stronę w dół. Model musiał najpierw nauczyć się tego sztucznego języka z opisu w prompcie, a potem tłumaczyć na niego każdy swój zamiar, przez co spora część jego pracy schodziła na obsługę pośrednika zamiast na samo zadanie.
Jedna funkcja zamiast całego języka poleceń
Czytaj dalej za darmo
Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.
