openbrowser

Open Browserは、MITライセンスのオープンソースTypeScriptフレームワークで、AIエージェントにWebの自律ブラウジング機能を提供する。Playwrightをベースに構築されており、自然言語でタスクを記述するだけで、エージェントがあらゆるWebサイトでクリック、入力、スクロール、ナビゲーション、データ抽出を実行できる。 プロジェクトはモノレポ構成で、3つのパッケージから成る。コアライブラリ(open-browser)にはエージェントロジック、ブラウザ制御、DOM解析、LLM統合が含まれる。CLI(@open-browser/cli)はエージェントの実行やブラウザコマンドの発行に使う。サンドボックスパッケージ(@open-browser/sandbox)は、CPU/メモリ監視、タイムアウト、ドメイン制限を備えたリソース制限付き実行を提供する。 主な機能として、Vercel AI SDKを介したマルチモデル対応(OpenAI、Anthropic、Googleモデルを単一フラグで切り替え可能)、ライブブラウザセッション用の対話型REPL、スタック検出、コスト追跡、セッション管理、リプレイ記録、包括的なエラー処理がある。エージェントループは、現在のページ状態とタスクをLLMに送信し、LLMが実行するコマンド(25種類以上のコマンドタイプ)を決定し、結果を観察してタスク完了までループする仕組みで動作する。 利用方法は、CLIとして使う方法(open-browser run "Find the top story on Hacker News and summarize it")と、TypeScriptライブラリとして使う方法の両方があり、ビューポート、モデル、ステップ上限、スクリーンショット、URL制限を設定できる。サンドボックス実行では、タイムアウト、メモリ上限、許可ドメイン、出力キャプチャが追加され、安全な本番環境デプロイが可能になる。