人工知能技術が急速に実用化される現在、AIエージェントが人間にとって日々のウェブページの複雑なタスクをより効率的に処理できるようにする方法は、開発者にとって常に注目を集めてきたテーマである。最近、騰訊（テンセント）は公式に、スマートエージェント専用のブラウザ自動化ツール「BrowserSkill」をオープンソース化した。

image.png

このツールのコアデザインは、さまざまなAIエージェント向けに特化されており、これまで大規模モデルのプラグインとして使われてきた従来の「Browser Use」のアプローチとは明確な違いがある。実際に体験してみると、BrowserSkillは以下の3つの顕著な特徴を持っている。第一に、ブラウザの本物のログイン状態を完全に再利用できることで、ユーザーが以前に認証またはログインしたアカウントは、エージェントが呼び出される際に繰り返し検証する必要がない。第二に、現在の作業が中断されず、エージェントは別ウィンドウで指示を実行し、ユーザーが現在行っているウェブ閲覧や日常的なコミュニケーションに一切影響を与えない。第三に、主要なスマートエージェントに対して非常に高い互換性があり、簡潔な `bsk` コマンドラインツール（CLI）を通じて、Claude Code、Codex、および騰訊の自社製品である Workbuddy など、あらゆるエージェントがスムーズに接続できる。

実際のシナリオテストでは、開発者は [Workbuddy] プラットフォーム上で実地検証を行った。例えば、AIに知乎（ジンズー）で話題のテクノロジー関連トピックを検索させ、核心的な意見を正確に要約させる、あるいはSNSプラットフォームで高評価コメントを収集し、グループの感情画像を作成させるなど、すべての操作フローが数分以内に効率よく完結する。下位層にはCLI独自駆動と拡張中間層の構造が採用されているため、モデルは複雑なウェブ下層要素を直接認識する必要がなくなり、これにより実行速度と安定性が確保されている。

業界関係者は、この BrowserSkill の登場によって、AIスマートエージェントと現実的なネットワークとの相互作用の「最後の1マイル」がさらにスムーズにされたと指摘している。これは、開発者やメディア制作担当者が複数のタスクを並行して処理することを可能にする新しい技術的道を開いた。

プロジェクトのアドレス: https://github.com/Tencent/BrowserSkill