スキル

BrowserAct:エージェントに本物のブラウザ自動化とアカウント流れをさせる

本物のブラウザ自動化、ページ抽出、アカウント流れ向け。本文にインストーラはない。先に Skill を読み、get-skills で状態を見て、クリックや入力の前に確認する。

公式ソース · BrowserAct Skills

インストール

get-skills

向いている人

AI エージェントやチームに本物のブラウザ自動化、ウェブデータ抽出、アカウント前提の流れをさせる必要があるときに BrowserAct を見る。公式原文:BrowserAct enables AI agents and teams to perform real-browser automation, web data extraction, and account-based workflows。

リポジトリ見出しは、エージェント向けブラウザ自動化 CLI、詰まったら人へ制御を渡す、並行複数タスク、独立した複数セッション、隔離した複数アカウント閲覧にも触れる。すでに本物のブラウザで起きている作業向けであり、静的 HTML を読むだけの人向けではない。本文にクライアント名簿はない。特定エージェント専用と書かない。

ページ: https://github.com/browser-act/skills

3分で最初の試行を終える

本文に npx も他のインストーラもない。公式の使い方は:Your agent can load the BrowserAct Skill, discover browser state with get-skills, and run browser automation commands directly from your local environment。最初の試行は状態発見まで。インストールコマンドやローカルディレクトリを発明しない。

前提条件:やることは本物のブラウザ自動化、抽出、またはアカウント流れ。fully cloud-managed execution か local browser control driven by your own agent workflow かを先に決める。

エージェントへ get-skills を出し、今のブラウザ状態と、次に state を使ったら何が返るかだけ説明させる。成功の合図は state returns an indexed list を復唱でき、続いて click 3 / input 2 "..." が使え、No DOM parsing required であること。いきなりクリック、入力、クラウド実行を始めたら先に止める。

使用例

事例1:ローカルで索引によりページを操作。先に get-skills で状態を見、必要なら state を呼び、返った番号で click 3 または input 2 "..." を実行。クリックと入力はページを変える。実行前に番号を確認。成功の合図は索引コマンドで動き、DOM を解析しないこと。ページはこれ以上のコマンド名を書いていない。補わない。

事例2:詰まったら人へ渡す。remote-assist generates a live URL。ユーザーは any device から引き継ぎ、終わったらエージェントが続ける。到達可能な現場アドレスが出る。呼ぶ前にその URL を開く意思を確認。成功の合図は live URL と、人が終わったあとエージェントが再開できる説明。全クラウド管理/ローカルブラウザ制御の二モードを一歩に混ぜない。

利用の境界

コピーできるインストーラはない。「BrowserAct Skill を読み込む」を、出ていないインストールコマンドに書き換えない。

書いてあるコマンドは get-skills、state、click 3、input 2 "..."、remote-assist だけ。他の CLI 引数、反クローリング手法、アカウントログイン手順は捏造しない。

モードはページが書いたこの2つだけ。3つ目を発明しない。

remote-assist の URL は対外アドレス。未確認で生成しない。書いていない並行タスク、複数セッション、複数アカウントのスイッチは補わない。見出しはそれらの能力に触れるが、本文に対応コマンドはない。