Runner H AI Agent

同僚に説明するようにタスクを記述すると、Runner Hがブラウザ操作の並びに変換する。事前に覚えるセレクタ構文はない。開発者でない人の参入障壁を下げる。エージェントは固定された経路に頼らず、ページを読んで何をすべきか判断する。

サイトは変わる。スクリプトによる自動化は、たいていそのときに壊れる。Runner Hは実行のたびにページを再解釈する。だからボタンが移動しても、項目名が変わっても、ワークフローが自動で死ぬことはない。H Companyはこれを、長期のタスクで従来の画面自動化より持ちこたえる主な理由として挙げる。

エージェントは、制御ループで汎用モデルを包んだものではなく、H Company自社の基盤モデルで動く。これらは画面上をクリックするために特化して作られている。同社によれば、より小さな専用モデルはクリック予測で大型の汎用モデルを上回れるうえ、大規模実行のコストも低い。月に何千回も実行するなら、これは効いてくる。コストはすぐ積み上がる。

Studioは自動化を作り、過去と進行中のセッションを確認する場所だ。エージェントが各ステップで何を判断したかを眺められる。実行が脱線したとき、原因を確かめるのに役立つ。単発のタスクを再現可能なパイプラインに変えることを狙っている。

マネージドエージェントはREST APIで呼び出せるほか、コマンドラインから実行でき、MCPサーバー経由で接続できる。TypeScriptとPythonのSDKも用意されている。H Companyによれば、多くのユーザーは30分足らずで最初のエージェントを動かせる。Web UIの中で作業するのではなく、自社ツールに組み込みたいチームに向く。

エージェントは一度設定すれば名前で再利用でき、再利用可能なスキルを組み合わせたり、専門のサブエージェントに作業を渡したりできる。すべてを一つのプロンプトに詰め込むのではなく、小さな部品を作る。あとはシステムにそれらの間を振り分けさせる。実行はすべて可視化されるので、ある結果を何が生んだのか追跡できる。

実行環境を用意する必要も、モデルを保守する必要もない。H Companyがクラウドでエージェントを動かし、実行レイヤーを担う。これがデモと、放っておいても動かせるものとの違いだ。