Agent TARSは、高度なコンピュータビジョンと自然言語処理技術の組み合わせを活用して、グラフィカルユーザーインターフェース（GUI）を理解し操作します。ウェブページの視覚表現をキャプチャし、ボタン、フォーム、テーブル、その他のページ要素を識別します。ユーザーは自然言語のプロンプトを通じてTARSに指示を与えることで、複数のページにわたるクリック、スクロール、テキスト抽出、フォーム入力を行います。カスタマイズ可能なワークフローをサポートし、タスクの連鎖（例：アカウントへのログイン、データスクレイピング、結果のCSVまたはJSONへのエクスポート）を実現します。ヘッドレスおよびヘッドフルブラウザモードをサポートし、インタラクティブな探索と無人自動化の両方を可能にします。これにより、テスト、データ収集、ルーチンブラウザ操作に最適です。

AutoBrowseは、LLM駆動のウェブ自動化を可能にする開発者向けライブラリです。大規模な言語モデルを活用して、検索、ナビゲート、インタラクション、情報抽出などのブラウザアクションを計画・実行します。プランナーとエグゼキューターのパターンを使用し、高レベルのタスクをステップごとのアクションに分解し、JavaScriptレンダリング、フォーム入力、リンクトラバース、コンテンツ解析を処理します。出力は構造化データまたは要約であり、研究、データ収集、自動テスト、競争情報のワークフローに最適です。