Agent przeglądarki
Zaktualizowano:
Agent przeglądarki (ang. browser agent) to rodzaj sztucznej inteligencji, która operuje w środowisku przeglądarki internetowej. Jego głównym zadaniem jest automatyzacja złożonych interakcji online, które tradycyjnie wymagałyby ludzkiej obsługi. W przeciwieństwie do prostych skryptów web scrapingowych, które jedynie pobierają dane, agent przeglądarki potrafi interpretować zawartość wizualną i semantyczną stron, podejmować decyzje na podstawie obserwowanych elementów interfejsu użytkownika i wykonywać sekwencje działań, takie jak:
- Wypełnianie formularzy
- Nawigacja pomiędzy stronami
- Klikanie przycisków i linków
- Wykonywanie wyszukiwań
- Pobieranie konkretnych informacji po zalogowaniu
Technologicznie, agenci ci często wykorzystują modele językowe (LLM) do planowania działań i interpretacji instrukcji, w połączeniu z modelami wizyjnymi do analizy zrzutów ekranu lub struktury DOM strony. Pozwala to im na adaptację do zmian w układzie stron i wykonywanie zadań, które nie zostały sztywno zaprogramowane. Zastosowania obejmują automatyzację testów, zbieranie danych, monitorowanie cen, a nawet wsparcie w obsłudze klienta poprzez automatyczne wykonywanie operacji na portalach. Różni się od chatbotów, które głównie prowadzą konwersacje, tym, że jego głównym celem jest bezpośrednia interakcja z interfejsem graficznym strony internetowej.