Kernel Sphere

概要

• 自然言語の指示と開始URLを渡すだけで、実際のブラウザ上でページの読解から操作、結果の取得までを自律的に実行します。
• DOMを直接扱う設計により、Webページの構造を読み取りながら各ステップの判断を行い、構造化された結果を返します。

特徴

• Google GeminiとPlaywrightを組み合わせ、開発者がWeb操作タスクを自動化するための基盤として利用できます。
• ログイン、CAPTCHA、複数ステップのフォーム、JavaScript依存のサイトなど、実運用で起こりやすい例外への対応を重視しています。
• WebVoyagerの643タスク・15サイトで検証され、現時点では48%の精度を記録しています。

こんな人におすすめ

• 自然言語でブラウザ操作を自動化したい開発者や、独自のWebエージェントを構築したいチームに適しています。
• 既存のブラウザエージェントが苦手とするサイトやタスクの失敗要因を分析し、改善に取り組みたい人に向いています。
• オープンソースのコードを調査し、独自タスクで試したり、抽出ロジックやエッジケース対応に貢献したい人にもおすすめです。