← Каталог

· AI Engineer World's Fair 2025

Всё, что нужно, — это веб-браузер

The Web Browser Is All You Need

Браузер, которым управляет MCP-сервер, служит универсальным мостом между агентами и сайтами без API, и по словам спикера это практичнее, чем реверс-инжиниринг API.

  • Горизонтальный MCP-сервер вместо интеграции на каждую систему — примитивы вроде клика по кнопке работают на любом сайте, поэтому служба безопасности согласовывает один сервер, а не отдельный на каждую систему.
  • Веб-агент или браузерный инструмент — веб-агент получает одну задачу и сам выбирает шаги, поэтому результат недетерминирован; для известной последовательности шагов спикер советует браузерный инструмент и фреймворк Stagehand.
  • Наблюдаемость и участие человека — записи сессий и Live View, который встраивается через iframe, показывают пользователю, что делал агент, и позволяют человеку кликать в том же браузере; запись можно отключить для чувствительных данных.
  • Поведение на сайтах — CAPTCHA, по словам спикера, срабатывают на поведение, а LinkedIn ограничивает число действий в минуту; спикер советует уважать robots.txt, потому что при агрессивной автоматизации блокировка неизбежна.

Кому полезно: тем, кому нужно автоматизировать устаревшие сайты и внутренние системы без API или MCP-сервера.

Статья по теме

На какие вопросы отвечает доклад

  • Как подключить AI-агента к сайтам, у которых нет API и MCP-сервера?

    Headless браузер служит интеграцией последней инстанции: агент выполняет действия на сайте так же, как пользователь. Если у сервиса есть готовый MCP, лучше взять его; для самописных CRM подойдёт браузерный MCP-сервер.

    ▶ 1:26Подключение агентов к устаревшим сайтам без API
  • DOM-подход или vision-подход: что надёжнее для автоматизации сайтов?

    Текстовые агенты работают через DOM и XPath-селекторы и более повторяемы, а vision-модели точнее на сложных страницах. Accessibility tree сокращает HTML до той же структуры без лишних div и классов.

    ▶ 2:52Архитектуры web агентов и computer use модели
  • Когда давать браузерному агенту свободу действий, а когда задавать шаги жёстко?

    Веб-агент по одному промпту выполняет много действий и ведёт себя недетерминированно. Если сценарий известен, лучше browser tool, где каждый промпт отвечает за одно действие, например клик по кнопке входа.

    ▶ 2:52Архитектуры web агентов и computer use модели
  • Как выбрать модель для веб-агента, если публичным бенчмаркам не доверяешь?

    Спикер считает большинство бенчмарков ненадёжными, особенно когда компания сама ставит себя в рейтинг. Он советует собирать собственные evals под свои сайты и задачи, например через Braintrust, и сравнивать на них модели.

    ▶ 7:50Соответствие MCP и живое кодирование в Cursor
  • Как дать человеку возможность проверить и остановить действия браузерного агента?

    Записи сессий можно включать или выключать в зависимости от чувствительности данных и встраивать в интерфейс пользователя. Live View через iframe позволяет человеку смотреть и кликать в браузере прямо во время работы агента.

    ▶ 12:15Клиентские приложения и вопросы аудитории
  • Что делать, если сайт блокирует агента CAPTCHA и поведенческими проверками?

    Browserbase предлагает решение CAPTCHA и прокси, но спикер считает долгосрочным путём аутентификацию агентов, так как большинство CAPTCHA появляются при логине. Сайты вроде LinkedIn считают действия в минуту и блокируют агента, который превышает лимит.

    ▶ 12:15Клиентские приложения и вопросы аудитории

Главы

Ещё доклады: Paul Klein IV

Страница спикера →

Похожие доклады