Web Access: การเข้าถึงเบราว์เซอร์สำหรับ AI Agent

Web Access เป็น Skill แบบโอเพนซอร์สสำหรับ Agent ที่รองรับ SKILL.md โดยเชื่อม Agent กับ Chrome ที่ผู้ใช้ใช้เป็นประจำผ่าน Chrome DevTools Protocol (CDP) Agent สามารถตรวจดูโครงสร้างและเนื้อหาที่มองเห็นของหน้าเว็บ ค้นหาลิงก์ เปิดหน้า คลิก เลื่อนหน้า กรอกแบบฟอร์ม อัปโหลดไฟล์ และจับภาพหน้าจอหรือเฟรมวิดีโอได้ ฟังก์ชันเหล่านี้อาจช่วยกับหน้าเว็บแบบไดนามิกหรือเนื้อหาที่ต้องเข้าสู่ระบบก่อน

ความสามารถและการตั้งค่า

Proxy ภายในเครื่องแบบน้ำหนักเบาเชื่อม Agent กับ Chrome จึงไม่จำเป็นต้องสร้างโปรไฟล์เบราว์เซอร์แยกต่างหาก โครงการยังอธิบายการใช้หลายแท็บเพื่อค้นคว้าพร้อมกันด้วย การเริ่มต้นต้องติดตั้ง Skill ตามคำแนะนำของผู้ดูแล เตรียม Node.js 22 ขึ้นไปและ Google Chrome แล้วเปิด Chrome remote debugging หลังจากนั้น Agent ที่รองรับสามารถเปิดหน้าเว็บ ดึงข้อมูล หรือโต้ตอบกับองค์ประกอบต่าง ๆ ได้

การใช้งานและข้อจำกัด

เหมาะสำหรับค้นคว้าข้อมูลสาธารณะหรือข้อมูลที่ได้รับอนุญาต อ่านหน้าเว็บที่แสดงผลด้วย JavaScript เปรียบเทียบหัวข้อ และช่วยกรอกแบบฟอร์มหลายขั้นตอน ผลลัพธ์อาจไม่ครบหรือเปลี่ยนเมื่อเว็บไซต์อัปเดต จึงควรตรวจสอบข้อมูลสำคัญจากหน้าเว็บต้นทาง การเข้าถึงขึ้นอยู่กับสถานะการเข้าสู่ระบบ สิทธิ์ เครือข่าย และพฤติกรรมเว็บไซต์ CAPTCHA การควบคุมสิทธิ์ กฎและเงื่อนไขของเว็บไซต์ยังคงมีผล การควบคุมเบราว์เซอร์ไม่ได้รับประกันว่าทุกเว็บไซต์หรือทุกการทำงานจะสำเร็จ และเซสชันที่เข้าสู่ระบบอาจเปิดเผยข้อมูลบัญชีที่ละเอียดอ่อน

คำถามที่พบบ่อย

ใช้เบราว์เซอร์แยกหรือไม่? เชื่อมกับ Chrome ของผู้ใช้ผ่าน CDP และอาจใช้เซสชันเดิม ควรปกป้องโปรไฟล์และสิทธิ์บัญชี

ต้องใช้อะไรบ้าง? Node.js 22 ขึ้นไป Google Chrome Agent ที่รองรับ SKILL.md และเปิด Chrome remote debugging

เข้าถึงทุกเว็บไซต์ได้หรือไม่? ไม่ได้ การเข้าสู่ระบบ สิทธิ์ เครือข่าย นโยบายเว็บไซต์และการเปลี่ยนแปลงของหน้ามีผล ควรตรวจสอบผลสำคัญที่เว็บไซต์ปลายทาง