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。

Browser Agentは、OpenAIの言語モデルとPlaywrightを連携させて、自然言語コマンドによる自動化されたブラウジングタスクを実現します。ウェブページを読み込み、リンクをナビゲートし、ボタンをクリックし、フォームを記入して送信し、構造化されたデータを抽出し、スクリーンショットを取得し、カスタムJavaScriptを実行します。GPTの出力をブラウザ操作に変換し、開発者は最小限のコードでウェブ自動化のプロトタイピングが可能です。複数ページセッション、クッキーとセッション管理、エラー処理もサポートします。チームはデータスクレイピング、エンドツーエンドのテスト、動的コンテンツとのインタラクションなどを会話の指示で自動化できます。モジュラー設計により、機能拡張や下流処理パイプラインとの統合も可能です。