XNews

ブラウザエージェント:ハーネスエンジニアリングは最小化すべき

ブラウザエージェント:ハーネスエンジニアリングは最小化すべき

Browser Useの共同創業者グレッグPR氏は、モデルがより高性能になるにつれて、ブラウザエージェントをめぐるハーネスエンジニアリングを簡素化すべきだと主張した。2年の間に、チームは事前定義されたアクションから、モデルにChromeのCDPへの直接アクセスを与える方式へと移行し、信頼性を維持しながらトークン消費を60%削減した。

Key insights

事前定義されたアクションから生のCDPアクセスへの進化

Browser Useは、人間が定義した状態空間とアクション空間(クリック、タイプ、スクロール)からスタートした。2025年にはJavaScript実行と永続ノートブックを導入し、モデルがメニューから選択する代わりにプログラムを書けるようにした。これにより、Opus 4.8ではトークン消費を60%、Kimi K3では66%削減しつつ、全18タスクを達成した。最終的に、モデルに直接CDPアクセスを与え、事前定義された状態抽出を排除した。

ブラウザエージェントハーネス設計の三つの原則

著者は三つの原則を抽出した。実績のあるエージェントハーネス(Pi、Codex、OpenCode)を再利用すること、可能な限り単純な低レベルインターフェースを公開すること(PlaywrightではなくCDP)、そしてモデル自身に観察とアクションを選択させることである。これはサットンの「ビターレッスン」の応用であり、人間が設計した中間表現はモデルが向上するにつれて負債となる。

Source posts