skip to content
日替わり OSS
Table of Contents

リポジトリ

BrowserSkill とは？

Webブラウザを介したタスクの自動化は開発現場の喫緊の課題ですが、既存のAIエージェントはログイン状態の扱いやユーザーの作業中断といった制約がありました。Tencentが開発したオープンソースプロジェクト「BrowserSkill」は、この課題を解決します。BrowserSkillは、bsk CLIとブラウザ拡張機能を組み合わせることで、AIエージェントがユーザーのリアルなブラウザを、ログイン状態を維持したまま安全かつ効率的に操作することを可能にします。特筆すべきは、エージェントの操作が専用の「エージェントウィンドウ」で行われるため、ユーザーは自身の作業を中断せずに、メインブラウザで他の作業を継続できる点です。これにより、ブラウザベースのタスク自動化と、ユーザーの生産性維持が両立します。

その革新的なメリット

BrowserSkillは、開発者や企業のワークフローに大きな変革をもたらす以下のメリットを提供します。

既存のログイン状態を再利用

AIエージェントがユーザーの既存ログイン状態を再利用できるため、企業の業務システムやSaaSアプリの認証も、テストアカウント不要で安全かつ手軽に操作可能です。機密性の高いシステムや複雑な認証フローで特に強力です。

作業を中断しない「エージェントウィンドウ」

エージェントは独立した「エージェントウィンドウ」で動作するため、ユーザーはメインブラウザで作業を続けながら、バックグラウンドでWebタスクを実行できます。集中力を維持し、効率的なマルチタスクを実現します。

あらゆるAIエージェントに対応する汎用性

特定のAIモデルやエージェントフレームワークに依存せず、bsk CLIを呼び出せるシェル環境があれば、Cursor、Claude Codeなど多様なエージェントにブラウザ操作の「スキル」を付与できます。

ヒューマン・イン・ザ・ループによる実用性

Captcha認証や多要素認証など、人間介入が必要な場面では、エージェントがユーザーに助けを求め、解決後にタスクを継続できます。これにより、完全自動化が難しい現実世界のシナリオでも高い実用性を発揮。フルページスクリーンショット機能も便利です。

どのような場面で役立つか

BrowserSkillは、多岐にわたる開発現場やビジネスシーンでその真価を発揮します。

開発・テスト工程の効率化

  • E2Eテスト: ログインが必要なWebアプリのE2Eテストで、実際のログイン状態を再利用し、現実的なテストシナリオを構築。
  • Webスクレイピング/情報収集: ログインが必要なWebサイトからの情報収集（競合調査、レポート自動生成など）を自動化。
  • CI/CD連携: Web UIを介したデプロイ操作やSaaS設定変更など、CI/CDにブラウザ操作を組み込むタスクを自動化。

ビジネスオペレーションの改善

  • データ入力・転記: Webフォームへのデータ入力や、システム間の情報転記など、定型業務をAIエージェントに任せる。
  • カスタマーサポート: ログインが必要な社内システムから情報を取得し回答案を生成するなど、エージェントベースのサポートを強化。
  • SaaS連携: APIがないSaaSツール間でも、Web UIを介した情報同期や特定操作の自動実行が可能。

技術的な仕組みと導入方法

BrowserSkillは、bsk CLI/デーモンとブラウザ拡張機能の二つの主要コンポーネントで構成されます。CLIがAIエージェントからの指示を受け、ブラウザ拡張機能が実際のWeb操作を実行。macOS、Linux、Windowsで動作し、ChromeとMicrosoft Edgeに対応（Firefoxも将来対応予定）。導入は、AIエージェント経由（推奨）または手動インストール（CLI、ブラウザ拡張機能、bsk install-skillでスキル定義をインストール）のいずれか。これにより、エージェントはbskコマンドを介して即座にブラウザ操作タスクを開始できます。

まとめ

TencentのBrowserSkillは、AIエージェントに「リアルなブラウザ操作」という強力なスキルを付与する画期的なOSSです。ログイン済みセッションの安全な再利用、ユーザー作業を中断しない専用ウィンドウでのタスク実行は、これまでのブラウザ自動化の課題を克服します。開発者はBrowserSkillを活用し、E2Eテストの精度向上、情報収集の自動化、複雑な業務プロセスの効率化といったメリットを享受できます。BrowserSkillは、AIエージェントの能力を最大限に引き出し、ブラウザを使った反復作業からの解放を実現します。ぜひ、プロジェクトや業務に導入し、その可能性を探ってみてください。