براوز: یه CLI برای کنترل مرورگر با هوش مصنوعی
هوش مصنوعی
فرانتاندخلاصهٔ کاملتر
براوز (browse) یه CLI یا رابط خط فرمانه که هدفش اینه ایجنتهای هوش مصنوعی بتونن وبسایتها رو بهصورت خودکار کنترل کنن. با یه دستور ساده نصب میشه:
npm install -g browseایده اصلی اینه که بهجای اینکه هر بار ایجنت مجبور باشه خودش ساختار یه سایت رو کشف کنه، از یه «مهارت» (Skill) آماده استفاده کنه. هر مهارت اطلاعاتی مثل سلکتورهای DOM و درخواستهای XHR اون سایت رو از پیش میدونه و به ایجنت میگه دقیقاً کجا کلیک کنه یا چه APIای رو صدا بزنه.
این رویکرد یه مزیت بزرگ داره: چون ایجنت دیگه مجبور نیست کل صفحه رو بخونه و تحلیل کنه، مصرف توکن تا ۵۰ برابر کمتر میشه. بهجای خوندن HTML کامل، فقط اطلاعات ساختاریافتهای که مهارت فراهم کرده رو میگیره.
مهارتها از یه کاتالوگ عمومی (open web catalog) قابل نصبن. مثلاً میشه مهارتهای AllTrails، Booking.com، Amazon، arXiv، و دهها سایت دیگه رو اضافه کرد:
browse skills add alltrails.com
browse skills add recreation.gov
browse skills add weather.gov
browse skills add plugshare.com
browse skills add ramp.comبعد از نصب مهارتها، میشه یه دستور پیچیده به ایجنت داد و اون همهچیز رو هماهنگ کنه — مثلاً برنامهریزی یه سفر جادهای با ایستگاههای شارژ EV و رزرو کمپسایت برای هر شب.
علاوه بر مهارتهای سایتهای خارجی، براوز چند ابزار داخلی هم داره: browser-trace برای دیباگ کردن اتوماسیون، browser-to-api برای تبدیل ترافیک شبکهی یه سایت به مستندات OpenAPI، ui-test برای تست رابط کاربری با هوش مصنوعی، و functions برای دیپلوی اتوماسیون بهصورت serverless در ابر.
نکات کلیدی:
- CLI مخصوص اجرای ایجنتهای هوش مصنوعی روی مرورگر
- کاتالوگ عمومی مهارتها برای صدها وبسایت محبوب
- کاهش ۵۰ برابری مصرف توکن از طریق سلکتورهای DOM و XHR آماده
- پشتیبانی از دیباگ، تست UI، و دیپلوی ابری
- مبتنی بر پلتفرم Browserbase با قابلیتهایی مثل حل خودکار CAPTCHA و پروکسی
