Snapshot

エージェントがページを読み、目的の要素を見つける仕組みを説明します。


Snapshot は、ウェブページをエージェントが読めるコンパクトな形に変換します。ページのテキストを含み、リンク、ボタン、入力欄には @1 や @2 のような短い参照を付けます。

たとえば、ログインフォームは次のように表されます。

@1 [heading] "Log in"
@2 [input type="email"] placeholder="Email"
@3 [input type="password"] placeholder="Password"
@4 [button] "Continue"

エージェントはこれらの参照を使い、画面上の位置を推測することなく、入力欄やボタンを選べます。

参照はページとともに変わる

参照は、現在の Snapshot でのみ有効です。ページの遷移、フォームの送信、そのほかのページ更新のあとは、エージェントは参照を再び使う前に新しい Snapshot を取得します。次のページの @4 は、別のボタンかもしれません。

通常、Snapshot を自分で読む必要はありません。エージェントが古い状態のページをもとに作業しているようなら、新しい Snapshot を取得して確認し直すよう依頼してください。

Snapshot は ego-browser の一部です。エージェントは自分の Space の中で Snapshot を読みます。エージェントが訪れたページは、その Space で確認できます。