Browserbase
Browserbase · コーディング
BrowserbaseはAIエージェント向けのクラウドブラウザーだ。エージェントに本物のブラウザーを渡し、人がするようにサイトを巡回させ、フォームを入力させ、ページをクリックさせる。このブラウザーにはSearchとFetchのエンドポイント、CAPTCHAやログインの壁を処理するAgent Identity層、デバッグ用のセッションリプレイが付いてくる。MicrosoftやRampを含む1万社以上が使っている。使いこなすにはコードを書くことに慣れている必要がある。
Browserbase について
Browserbaseとは
Browserbaseは、APIだけでなくWebそのものを使う必要があるエージェントを作るチーム向けの基盤だ。自前のサーバーでChromiumを動かしてアンチボットシステムと戦う代わりに、1つのAPIキーでクラウドブラウザーを借り、コードで操作する。プラットフォームは一連の流れをまるごと覆う。セッションを立ち上げ、ページを読み込み、きれいなテキストとして読み、問題が起きたときは何が起きたかをリプレイで確認できる。
Browserbaseは自らをヘッドレスブラウザーAPIと呼ぶが、その表現は正確だ。既定では見えるブラウザーウィンドウはない。コードは遠隔のセッションとやり取りし、ページはBrowserbaseのサーバー上で描画される。
クリックで操作するのではなく、プログラムで動かすWeb自動化プラットフォームだと考えればいい。最大の制約は対象者にある。ドラッグ＆ドロップのビルダーはない。JavaScriptやPythonを書けなければ、Browserbaseはほとんど役に立たない。「AIエージェント」ツールの多くがノーコードでの設定をうたうことを思えば、これは現実的なふるい分けだ。
はじめかた
- browserbase.comで登録し、ダッシュボードからAPIキーを取得する。
- プロジェクトにSDKをインストールし、Browserbase APIでブラウザーセッションを作成して、操作できるクラウドブラウザーを用意する。
- PlaywrightやPuppeteerなどの自動化ライブラリをセッションURLに向けるか、Stagehandで自然言語によって操作を動かす。
- スクリプトを実行し、ダッシュボードでセッションをライブ表示する。手順が失敗したらログとリプレイを確認する。
- プランを引き上げ、利用の増加に合わせて同時実行のブラウザーを増やせば、本番環境へ移行できる。
AIツール情報
Browserbaseの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- ブラウザーエージェントを作る開発者
- 大規模にスクレイピングするデータ・グロースチーム
- AIによるWebリサーチを行うエンジニアリングチーム
タスク
- Webフォームの入力と送信
- ページからの構造化データの抽出
- CAPTCHAとログインの壁の突破
シーン
- 毎日変わる価格や出品の監視
- Webフローの端から端までのテスト
- 多くの情報源をまたいだテーマの調査
主な機能
クラウドブラウザーセッション
プラットフォームの中核は、遠隔から操作するマネージドブラウザーだ。APIでセッションを作り、PlaywrightやPuppeteer、Seleniumを接続すれば、ブラウザーは自分のマシンではなくBrowserbaseの基盤上で動く。サーバーの設定も、ヘッドレスブラウザーの群れを動かし続ける保守も不要になる。
SearchとFetchのエンドポイント
Searchはエージェント向けに作られたWeb結果を返し、Fetchはプロキシ網を通してページをきれいなmarkdownとして取り込む。どちらもトークン効率を意識して設計されているため、エージェントは生のHTMLの壁ではなく使えるテキストを得る。サイトの改修のたびに壊れるスクレイパーを一日かけて書いた経験があるなら、この部分が手間を省いてくれる。
Agent Identity
Agent Identityは、アンチボットシステム、CAPTCHA、認証の壁を扱う層だ。CAPTCHAを自動で解くことも、自分の身元をセッションに渡してログインを通すこともできる。挑戦ページで止まるエージェントと、動き続けるエージェントの違いがここにある。
Stagehand
Stagehandは、自然言語でブラウザーを操作するBrowserbaseのオープンソースフレームワークだ。ボタンごとにセレクターを書く代わりに、動作を記述してクリックをエージェントに見つけさせる。動作結果のキャッシュにも対応する。繰り返す手順ではモデル呼び出しを省き、トークンを節約できる。
可観測性とセッションリプレイ
どのセッションにもログ、ライブ表示、完全なセッションリプレイが付く。エージェントが失敗しても、何が起きたかを推測する必要はない。ページとクリックの正確な順序を確認できる。曖昧なバグ報告が具体的な修正に変わる。
SOC-2 Type IIの基盤
プラットフォームはSOC-2 Type IIの基盤上に構築され、月に3,500万件を超えるブラウザーセッションを動かしていると公表している。エージェントを実ユーザーの前に置くチームにとって、このコンプライアンスの詳細は調達やセキュリティ審査で意味を持つ。
メリットとデメリット
メリット
- 1つのAPIキーでブラウザー、検索、fetch、モデルをまかなえるため、4つの別ベンダーをつなぐ必要がない。
- セッションリプレイとライブ表示により、ブラウザーエージェントのデバッグはスタックトレースを読むだけよりずっと楽になる。
- Agent Identityが、ほとんどのヘッドレススクリプトを止めるCAPTCHAとログインの壁を処理する。
- 同時3ブラウザーと1ブラウザー時間付きの無料プランがあり、支払う前に試作できる。
デメリット
- コーダー向けだ。ノーコードのビルダーはなく、非技術系のユーザーは締め出される。
- Developerプランは$20/moからで、含まれるブラウザー時間、検索呼び出し、fetch呼び出しを超えた利用は別途課金されるため、重いエージェントではコストが膨らむ。
- 価値の大半はBrowser、Search、Fetchの各APIにあり、成果を見る前に本格的な統合作業が要る。
よくある質問
AIエージェントに、クラウドから操作できる本物のブラウザーを与えるために使う。Webスクレイピング、フォーム入力、データ抽出、そしてAPIが存在せず、通常は人がサイトをクリックして回るようなあらゆる作業にチームが利用している。
関連コンテンツ
Browserbaseに関連するツール、スキル、記事を探す。
Browserbaseの代替ツール
Forefront
Forefront · コーディングForefrontはオープンソースAIで構築するためのウェブプラットフォームだ。主要なオープンソース言語モデルを自分のデータで微調整し、性能を評価し、API経由で実行したり、エクスポートして自分でホストしたりできる。クローズドなプラットフォームの手軽さを求めつつ、モデルとデータの所有権にはこだわる開発者が対象だ。
Startkit
StartKit.AI · コーディングStartkitは、AI SaaSとAIラッパー製品を作るためのボイラープレートだ。面倒な部分をあらかじめ配線済みにしたAIスタートアップボイラープレートと考えればいい。認証、StripeとLemon Squeezyの決済、利用制限、トランザクションメール、そしてOpenAI、Anthropic、Groq、Llamaと通信するAI APIスターターキットが含まれる。リポジトリをクローンして価格を設定し、ユーザーが実際にお金を払う部分に取りかかれる。ReactとTailwind上のNext.jsで作られているため、ボイラープレートコードの多くはすでに見慣れたものだ。
Testim
Tricentis · コーディングTestimは、Web・モバイル・Salesforceアプリ向けにエンドツーエンドテストを構築して実行するAIテスト自動化プラットフォームだ。機械学習を頼りに、インターフェースが変わってもテストを安定させ、チームが壊れたセレクターの修正に費やす時間を減らす。今日から使い始められる自動テストツールとしては悪くない。ブラウザで操作を録画してテストを作り、より細かい制御が必要なときはJavaScriptを足す。忙しいQAチームにとって堅実な選択肢である。