skyvern

Skyvernは、Vision LLMとコンピュータビジョンを活用してウェブサイトと対話するAI搭載のブラウザ自動化ツールです。DOM解析やXPathに依存する従来の自動化とは異なり、Skyvernは視覚的要素を推論することで、未知のウェブサイトでの操作やレイアウト変更への適応が可能です。 主な機能は以下の通りです： - AI搭載SDK：`page.act()`、`page.extract()`、`page.validate()`などの自然言語コマンドや、標準的なPlaywrightアクション（クリック、入力、選択、アップロード）のAI拡張版を追加するPlaywright拡張機能。 - ノーコードワークフロービルダー：データ抽出、検証、ループ、HTTPリクエストなどのブロックを使用して、複数のタスクをチェーン状に連結できます。 - 高度なブラウザ制御：リモートデバッグによるローカルChromeインスタンスの制御や、ローカルブラウザのSkyvern Cloudへのトンネリングをサポートしています。 - データ抽出とフォーム入力：提供されたJSONスキーマに基づいた構造化データの抽出や、複雑なウェブフォームへの入力が可能です。 - 認証サポート：2FA（TOTP、メール、SMS）のサポートおよびBitwardenなどのパスワードマネージャーとの連携を含みます。 - 統合：Model Context Protocol (MCP) をサポートし、Zapier、Make.com、N8Nなどの自動化プラットフォームと接続できます。 Skyvernは、マネージドクラウドサービス、ローカルのpipインストール、またはDocker Compose経由で展開可能です。OpenAI、Anthropic、Geminiなどの幅広いLLMプロバイダーに加え、Ollama経由でローカルホストされたモデルもサポートしています。