Runner H AI Agent

동료에게 설명하듯 작업을 서술하면 Runner H가 그것을 브라우저 동작의 연속으로 바꾼다. 미리 익혀야 할 셀렉터 문법은 없다. 개발자가 아닌 사람의 진입 장벽을 낮춘다. 에이전트는 하드코딩된 경로에 의존하는 대신 페이지를 읽어 무엇을 할지 판단한다.

사이트는 변하고, 스크립트 기반 자동화는 대개 그때 깨진다. Runner H는 실행할 때마다 페이지를 다시 해석한다. 그래서 버튼이 옮겨지거나 항목 이름이 바뀌어도 워크플로가 자동으로 죽지 않는다. H Company는 이를 오래 유지되는 작업에서 기존 화면 자동화보다 잘 버티는 주된 이유로 내세운다.

에이전트는 제어 루프로 범용 모델을 감싼 것이 아니라 H Company 자체 기반 모델 위에서 돈다. 이 모델들은 화면을 클릭하도록 특화해 만들어졌다. 회사에 따르면 더 작은 전용 모델이 클릭 예측에서 더 큰 범용 모델을 앞설 수 있고, 대규모 실행 비용도 더 낮다. 한 달에 수천 번 실행한다면 이 점이 중요하다. 비용은 빠르게 쌓인다.

Studio는 자동화를 만들고 지난 세션과 실시간 세션을 검토하는 곳이다. 에이전트가 각 단계에서 무엇을 판단했는지 볼 수 있다. 실행이 옆으로 새었을 때 이유를 확인하는 데 도움이 된다. 일회성 작업을 반복 가능한 파이프라인으로 바꾸는 것을 목표로 한다.

관리형 에이전트를 REST API로 호출하고, 명령줄에서 실행하고, MCP 서버로 연결할 수 있다. TypeScript와 Python SDK가 있다. H Company는 대부분의 사용자가 30분 안에 첫 에이전트를 돌린다고 말한다. 웹 UI 안에서 작업하는 대신 자사 도구에 에이전트를 넣고 싶은 팀에 맞는다.

에이전트는 한 번 설정해 이름으로 재사용할 수 있고, 재사용 가능한 스킬을 조합하거나 전문 하위 에이전트에게 작업을 넘길 수 있다. 모든 것을 하나의 프롬프트에 밀어 넣는 대신 더 작은 부품을 만든다. 그다음 시스템이 그 사이를 라우팅하게 둔다. 모든 실행이 보이므로 어떤 결과를 무엇이 만들어냈는지 추적할 수 있다.

실행 환경을 준비할 필요도, 모델을 유지할 필요도 없다. H Company가 클라우드에서 에이전트를 돌리고 실행 계층을 맡는다. 이것이 데모와, 놓아두어도 돌아가는 것의 차이다.