Skyvern AI
Skyvern AI · その他
SkyvernはAIエージェントでブラウザ作業を自動化する。人間に近い見方でページを読み、フォーム入力、ログイン、CAPTCHA破解、データ抽出をセレクタなしでこなす。
Skyvern AI について
About
Skyvernとは
SkyvernはY Combinator支援を受けるSkyvern AIのAIブラウザ自動化エージェントであり、Web自動化エージェントでもある。APIではなく実際のブラウザの中で動くAI Webエージェントである。作業内容を日常語で伝えると、システムがページを開き、画面を見て、どこをクリックするかを決め、正しい欄に文字を入れる。
狙いは保守作業の削減にある。従来の自動化はXPathやCSSセレクタに依存し、サイト改修のたびに壊れる。Skyvernは描画後のページを視覚モデルで読むため、ボタンが移動しても実行は止まらない。1つのフローが、見た目のまったく違う複数の取引先ポータルでそのまま動く点も大きい。
提供形態は2つ。app.skyvern.comのクラウド版はプロキシとCAPTCHA対応込みでエージェントを実行してくれる。もう1つは自前ホスティングだ。コードはAGPL-3.0で公開され、Docker環境なら一式を自分のサーバーに置ける。規制対象のデータを扱うチームは後者を選ぶことが多い。
限界もある。中心はコストと制御だ。実行ごとにクレジットを消費し、画面遷移の多いページでは減りが速い。画面を解釈するエージェントは判断も下すため、決済や法務申請を扱うフローには人の確認が要る。Enterpriseプランには手動介入ブロックが用意されている。
はじめかた
- app.skyvern.comでアカウントを作る。自前で動かすなら
pip install "skyvern[all]"で導入する。 - 設定でLLMキーを登録する。クラウド版はモデルが用意されているが、ローカル導入ではOpenAI、Gemini、または互換サービスのキーが必要だ。
- 入力欄に最初のタスクを書くか、ワークフロービルダーを開いてナビゲーション、抽出、ログインのブロックを並べる。
- テスト用ウィンドウで1回実行し、記録されたステップを見て、エージェントが読み違えた箇所の指示を直す。
- スケジュール実行かAPI呼び出しに切り替え、JSONまたはCSVの出力を自社システムへ渡す。
AIツール情報
Skyvern AI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
- 取引先ポータルに埋もれた運用チーム：請求書も明細も申請も十数個のログインの向こう側にあり、Skyvernが代わりに取りに行く。
- 壊れやすいスクリプトを置き換えたい開発者：Playwright互換SDKが既存コードにAIの要素照合を足すので、サイト改修後もテストが通る。
- 保険会社や医療機関のバックオフィス：EnterpriseプランにはHIPAA条項、SOC 2レポート、人の承認ステップが付き、購買部門の要件を満たす。
- アイデアを試す個人開発者：無料枠は約170アクション分あり、支払い前にフローの可否を確かめられる。
タスク
- 取引先サイトからの請求書取得：ログインし、2要素認証を通し、PDFを落として取引先ごとに保存する。
- 同じ書式の入力を複数サイトで：求人応募、保険見積もり、行政手続きを1つのフローでさばく。レイアウトの違いは問わない。
- 構造化されたWebデータ抽出：JSONスキーマを渡すと、生のHTMLではなく項目の揃ったレコードが返る。
- ページの変化の監視：価格、在庫、規約文を定期に読み、スプレッドシートへ書き出す。
シーン
- 月末処理が財務チームにのしかかる：3日がかりの写し作業だった請求書が、夜間に落ちてくる。
- ポータルにAPIがなく、今後もできる見込みがない：Skyvernが人間と同じように画面を操作する。残された唯一の道だ。
- スクレイピングスクリプトが四半期ごとに壊れる：視覚的な要素照合により、修復は指示文の修正で済む。
主な機能
視覚によるブラウザ操作
ページを描画し、操作できる要素を枠で囲み、それぞれの役割を視覚モデルに問う。固定セレクタに頼らないので、レイアウト変更で実行が止まらない。初見のサイトでも同じフローが動く。ポータルごとに1本のスクリプトを書くか、1本で全社をまかなうかの差はここにある。
ノーコードワークフロービルダー
ビルダーは自動化をブロックに分ける。移動、操作、抽出、ログイン、待機、繰り返し。画面でつなぎ、判断が要るブロックに指示を足し、スケジュールを設定する。技術背景がなくても半日で動くフローを組める。ブロックで表せない処理はEnterpriseのカスタムコードブロックで補う。
CAPTCHAと2要素認証
内蔵ソルバーが一般的な画像判定とチェックボックスを処理し、Proプランでは高度なモデルに切り替わる。2要素ログインのTOTPコードは実行中に生成され、認証の流れを最後まで通せる。有料プランでは、コードをSMSで送るサイト向けにSkyvernの番号を月10ドルで借りられる。
自前スキーマでのデータ抽出
JSONスキーマを渡すと、エージェントがページから項目を埋め、スクリーンショットではなくレコードを返す。出力はJSONかCSVで、終了時にwebhookを叩ける。書類仕事では、ファイルを落としてOCRをかけ、分類して振り分けるところまで一続きで処理する。
プロキシと地域指定
データセンターのプロキシは全プランに付く。ProとEnterpriseでは居住用プロキシと、州、都市、郵便番号単位の指定が加わる。地域ごとに内容が変わるポータルや、データセンターの帯域を止めるサイトでは効いてくる。
オープンソースとPlaywright SDK
コード全体がGitHubでAGPL-3.0として公開され、執筆時点で23,000以上のスターを集める。SDKはPlaywrightの作法をなぞるので、既存の自動化コードも数行の変更でAIの要素照合を得る。自前ホスティングならページのデータも認証情報も社内ネットワークに収まる。同じリポジトリがSQLiteでローカルに、PostgresでDockerにと動く。
実行の可視化
実行ごとにステップ、各操作の理由、スクリーンショットの記録が残る。エージェントが誤クリックしたとき、どの要素をなぜ選んだかが分かる。原因調査は推測から2分の確認作業に変わり、コンプライアンス部門には自動処理の監査記録が渡る。
メリットとデメリット
メリット
- 視覚的な要素照合により、年々膨らむ保守コストの大半が消える。
- 5,000クレジットの無料枠はデモではなく実フローの検証に足りる。
- AGPL-3.0のオープンソースなので自前ホスティングが可能で、機微なページデータを社内に置ける。
- CAPTCHA処理、2要素認証、プロキシ、地域指定が製品に揃い、4社を寄せ集めずに済む。
- Playwright互換SDKなら、既存のテスト基盤を書き換えずにAIエージェントを導入できる。
デメリット
- クレジット消費はページの複雑さに比例する。長い多段フローは気づかないうちに高くつく。
- 高度なCAPTCHAソルバーとチームワークスペースは月149ドルのProプラン限定で、小規模チームには重い。
- 視覚モデルは曖昧なボタンを取り違えることがあり、重要業務には人の確認が要る。
- ローカル導入はPython 3.11以降とDockerの知識を求める。非開発者には実質的な壁だ。
よくある質問
AIエージェントでブラウザ作業を実行する。フローを日常語で書くと、Skyvernがブラウザを開き、ページを読み、クリック、入力、ダウンロードをこなす。請求書の収集、フォーム入力、Webデータ抽出が代表的な用途だ。
関連コンテンツ
Skyvern AIに関連するツール、スキル、記事を探す。
Skyvern AIの代替ツール
Odyssey 3
Odyssey · その他Odyssey-3はOdysseyの基盤ワールドモデルだ。物理をリアルタイムにシミュレーションし、プロンプトからインタラクティブな環境を生成して、ロボットや車、ゲームに適応する。
JarvisCore
Prescott Data · コーディング · 生産性向上 · その他JarvisCore は、AI エージェントが対等なピアとしてメッシュを組み、共有台帳からタスクを引き受け、ゼロトラストのブローカー経由で外部サービスを呼ぶオープンソースの Python ランタイムである。
Clef
Cloudflare · ビジネス · その他Clef は Workers AI で動く Cloudflare のオープンソース意思決定モデルだ。生成テキストではなく、型付きの設問に確率を返す。エージェントは素早く分類し、振り分け、行動できる。