BrowserBC公開：ブラウザ操作を「スキルカード」化、Agent版マクロツール登場

BrowserBCは、Einsia AI傘下のNavers Labが公開したオープンソースのブラウザ行動クローニング基盤です。言わばAIエージェント時代に向けた「マクロツール」であり、人間が普段ブラウザ上で行っている一連の作業を、あらゆるモデルが再利用できる自然言語の「スキルカード」へ変換してくれます。

Webエージェントが現場でつまずく最大の原因は、クリックができないことではなく、ページの全体構造が見えない中で「次に何をすべきか」を判断できない点にあります。BrowserBCはこの意思決定のボトルネックを解消するために作られました。

操作を汎用スキルに変える3ステップ

従来の自動化スクリプトのように座標やDOMパスを固定記憶すると、Webデザインが少し変わっただけで即座に動かなくなります。BrowserBCが提案するのは「記録・転写・実行」という3段階の蒸留アプローチです。

まずは記録です。ブラウザ上で普段通りに検索やフォーム入力、管理画面の操作を行うと、レンダリング画像、DOMやアクセシビリティツリーのスナップショット、ユーザーの入力やクリック、画面の遷移やエラー通知などが丸ごと記録されます。

次に転写を行います。生ログをそのまま再生スクリプトにするのではなく、モデルがそれを読み解き、自然言語で書かれた仕様書のような「スキルカード」を生成します。ここには実行前提、具体的な手順、成否の判定基準、エラー時の復帰方法が整理されています。

最後が実行です。完成したスキルカードは任意のモデルに渡されます。固定座標をなぞるのではなく、意味を理解したエージェントが実際の画面を見ながら自律的に操作を実行するため、UIの軽微な変更にも柔軟に対応できます。また、蓄積されたカードは「スキルグラフ」として統合されます。

入手先と反響

この仕組みの利点は、操作を示す側と実行する側を切り離せる点にあります。人間や高性能モデルが一度作業を示すだけで、安価で軽量なモデルがその指示書を読んで日常タスクを代行できるようになります。

技術的詳細は論文（arXiv: 2606.32014）で公開されており、プロジェクト情報やデモは公式ページ（lab.einsia.ai/browserbc）から確認可能です。

公開からわずか6時間で、海外のオープンソースコミュニティでは2,500件以上の議論が巻き起こり、TwitterのToday Newsにも取り上げられました。

なぜ重要か

Webエージェントの自律性を力任せに高めようとするのではなく、Web上に無数に存在する人間のブラウジング行動をノウハウとして自然言語化するアプローチは非常に現実的です。高価なフロンティアモデルへの依存度を下げつつ、実務の自動化を進められます。

ブラウザ自動化や次世代RPAを検証している開発者は、今すぐチェックしておく価値があります。ただし、最終的な成功率は実行側モデルの要素特定精度に左右されるため、画面構成が根本から変わった場合は再学習やカードの再生成が必要になる点には留意が必要です。