ブラウザ操作の概要

Agentino では、API が用意されていないサービスでも実ブラウザを使って画面操作を自動化できます。このページでは、ブラウザ操作の仕組みやログイン状態の保持、操作種別ごとの挙動について説明します。

どんなときに使うか

Agentino は、人が見る画面そのものを操作するブラウザを標準で備えています。そのため、ログインが必要な Web サービスや API を持たない社内システムでも、取得や入力、登録を実行できます。

API があるツールは、MCP や HTTP API で接続するのが基本です。ブラウザ操作は、API が無い場合や、API を使うよりも画面操作のほうが簡単な場合に使います。

ブラウザ操作では、ログイン状態を保存できます。 プロファイルと呼ばれる単位でログイン情報を保持し、次回以降はログインし直す必要がありません。

ログインは Web UI から完結します。ログイン URL を発行して人がログインし、「完了して保存」を選ぶと、プロファイルに保存されます。

設定の手順はプロファイルの作成とログインを参照してください。

ブラウザ操作は、CSS セレクタで画面の要素を特定します。要素の取得、入力、クリックを決定論的に行います。要素の特定に AI は使いません。

これにより、画面構成が変わらない限り、同じ操作が安定して実行されます。

操作は read 系と write 系に分かれます。

read 系は承認なしで実行されます。 write 系は初期設定でツールごとの承認の対象です。

AOP の「使う道具」には browser と書きます。保存済みのプロファイルを使う場合は、プロファイル名を添えます。

(使う道具: browser (profile: プロファイル名))