あらゆる Web サイトを使用できる AI エージェントを構築する方法

AI エージェントを Web に接続: 開発者の歩みとコンピューター使用の台頭

過去 2 年間の AI エージェント開発における大きなハードルの 1 つは、Web アクセスを確実に許可することでした。 電子メールを送信するように設計された AI エージェントを考えてみましょう。これを Gmail や Outlook にどのように接続しますか? API、Web サイト、または自律型 Web エージェント?この記事では、さまざまな方法を検討します。

API と SDK: 限定的なアプローチ

多くの開発者は API と SDK を利用しています。これにより、低遅延と堅牢な認証が実現しますが、次のような制限があります。

• API の利用不可: すべての Web サービスが API を提供しているわけではありません。
• ドキュメントの課題: ドキュメントが古くなったり、書かれていないことがよくあります。
• 機能のギャップ: API には対応する Web サイトの完全な機能が欠けていることが多く、特定のタスクが妨げられます。

幸いなことに、いくつかのサービスが API 呼び出しライブラリを提供しています。

• Composio: 強力な認証を備えた AI エージェント用のツールを提供します。
• ラングチェーン ツール: ラングチェーン/グラフ エージェント用のリソース。
• Apify: コミュニティ主導の広大な API ライブラリ。

ただし、ユニバーサル Web サービスにアクセスするには、API を超えて進む必要があります。

ウェブサイトのインタラクション: 人間によるアプローチ

信頼性の高い AI エージェントの Web サイトとの対話により、Web ベースの人的タスクの自動化が可能になります。 でもどうやって?

多くの開発者は、最初は Selenium や Playwright などのブラウザ テスト フレームワークを使用します。 ただし、このアプローチには次のような課題があります。

• 脆弱性: Web サイトの変更 (A/B テストなど) により、スクリプトは簡単に壊れます。
• 検出可能性: テスト ブラウザは簡単に識別され、ブロックされます。
• 実稼働環境での展開: 実稼働環境では、ブラウザのホスティング、認証の管理、プロキシのローテーションは複雑です。

これらの問題に対処するために、次のようなブラウザ SDK を実験しました。

1. 脆弱な CSS セレクターの代わりに自然言語セレクター (get_element("find the login button") など) を採用します。
2. 組み込み認証を統合します。
3. ブロックを防ぐために、組み込みの回転プロキシを備えた事前設定されたリモート ホスティングを提供します。

この作品は現在オープンソース (Dendrite SDK) となっており、現在は積極的な開発は行われていませんが、研究と適応のために引き続き利用できます。 同様の代替手段には次のものがあります:

• AgentQL: Python ライブラリ。
• ステージハンド: JavaScript/TypeScript ライブラリ。

コンピュータの使用: Web AI エージェントの将来?

Rich Sutton の「苦い教訓」は、コンピューティングの増加に応じて拡張可能な汎用 AI ソリューションの優位性を強調しています。 Anthropic の Computer Use はこの原則を具体化しており、LLM がマウスとキーボード入力を使用してコンピュータ/ブラウザを直接制御できるようになり、スクリプトや API 呼び出しが不要になります。 彼らのアプローチは、タスク固有のツールよりも一般的なコンピューター スキルに重点を置いています。これは苦い教訓と完全に一致しており、最も多用途な AI エージェントが人間と同じようにウェブと直接対話することを示唆しています。 初期の結果では、よく作成されたプロンプトを使用した複雑なタスクで高い信頼性が示されており、多くの場合、Anthropic のプロンプト改善ツールによって強化されています。

結論: 未来を受け入れる

API は依然として価値がありますが、将来的には、ほとんどの AI エージェントにとってコンピューター使用のようなアプローチが好まれる可能性があります。 エージェントがログインして Web サイトの検索機能を使用し、上位の結果から結論を抽出できるのであれば、なぜ API を介してデータベース全体に依存するのでしょうか? AI 開発者にとっての問題は、この一般化可能なアプローチを採用するか、それともより特殊な手法の限界に直面するリスクを負うかです。

注: これは私の最初の開発者投稿です。 今後の投稿を改善するためのフィードバックは大歓迎です。 AI エージェントや AI によるタスク自動化に関する質問も歓迎されます。

以上があらゆる Web サイトを使用できる AI エージェントを構築する方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。