Текущее состояние browser agents
AI Engineer World's Fair 2025
Загружаем страницу…
Агенты, которые управляют компьютером и браузером через интерфейс, как человек: смотрят на экран, кликают, вводят текст.
Спикеры обсуждают, почему browser agents с точностью 99% всё равно дают сбой, почему им нужно лучшее зрение, а не более сильная модель, и как WebMCP упрощает агентам работу с сайтами. Есть доклады про Amazon Nova Act, Manus, инфраструктуру для агентов computer use и автоматизацию «длинного хвоста» интеллектуального труда там, где нет API.
AI Engineer World's Fair 2025
Du’An Lightfoot, Banjo Obayomi
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
Computer use - способность модели работать с компьютером через экран. Модель получает скриншот, решает, куда кликнуть или что ввести, и видит результат. Так агент справляется с программами и сайтами, у которых нет API.
У большинства сайтов и внутренних систем нет API для нужного действия, а браузерный агент работает там же, где человек. Платить приходится скоростью и надёжностью: через интерфейс агент медленнее и ошибается чаще, поэтому где API есть, лучше использовать его.