XNews

Tencent、AIブラウザ自動化ツール「BrowserSkill」をオープンソース化

Tencent、AIブラウザ自動化ツール「BrowserSkill」をオープンソース化

Tencentは、CLIとブラウザ拡張機能を組み合わせた「BrowserSkill」をオープンソース化した。これにより、AIエージェントがユーザーの実際のログイン済みブラウザを中断なく利用できる。シェルコマンドを実行可能な任意のエージェントに対応し、エージェントの操作を別ウィンドウに隔離するセキュリティモデルを備える。

Key insights

アーキテクチャと設計

BrowserSkillは、エージェント→bsk CLI→bskデーモン(ローカルIPC)→ブラウザ拡張機能(WebSocket)→エージェントウィンドウという4層チェーンを採用する。エージェントはブラウザに直接アクセスせず、デーモンがセッションルーティングを管理し、RPCをシリアライズする。拡張機能は21のツールハンドラを持ち、CDPを介してブラウザを操作する。セッションは専用のエージェントウィンドウと参照ストアによって隔離される。

セキュリティモデル

すべての書き込み操作は、ユーザーの確認を伴う明示的なタブの借用がない限り、エージェントウィンドウ内にサンドボックス化される。ファイル転送は三者間で行われ、CLIがファイルパスを、デーモンがストレージを、拡張機能がブラウザトランザクションのみを処理する。認証情報は決して抽出されず、クッキーはユーザーのブラウザプロファイルに残る。監査ログは30日間保持される。

リモートモードとエージェントエンジニアリング

バージョン0.3.0ではリモートモードが追加され、エージェントがサーバー上で動作し、TLS認証付きWSSとワンタイムペアリングを介してローカルブラウザに接続する。このスキルには、ナビゲーション無効化、ヘルプ拒否の迂回禁止、時間制限付きキャプチャIDを用いたCanvas処理などの防御ルールを含むSKILL.mdが付属する。インストールはエージェント主導で、「install browser-skill」と指示するだけで完了する。

Source posts