ブラウザー操作か、コンピューター操作か。日常的なタスクで三つのツールを試して分かったこと

ウェブタスクでは、ブラウザー操作ツールの ego-browser が、今回試した二つのコンピューター操作ツールより多くのタスクに成功し、費用も低くなりました。LinkedIn と Amazon の検索、長いページからのデータ抽出、ウェブアプリのテストという日常的な七つのタスクを、ego-browser、agent-desktop、Cua Driver で実行しました。ego-browser は五つ、agent-desktop は四つ、Cua Driver は二つに成功しました。ego-browser と agent-desktop がともに成功したタスクでは、ego-browser はタスク当たり 193.5 秒と、相手の 690.8 秒に比べて大幅に速くなりました。費用の面でも、同じタスクを完了するために必要なステップが少ないため、ego-browser のほうが安くなりました。
ego-browser は画面を占有せずに動作する点も特徴です。agent-desktop は七回の試行のうち六回でウィンドウを前面に出し、Cua Driver は二回でフォアグラウンドへのアクセスを要求した記録がありました。ego-browser はそのようなコマンドを一度も送りませんでした。長いタスクでも、ego-browser の実行中に自分のウィンドウで作業を続けられます。
| ツール | 成功率 | 成功タスク一件当たりの支出 |
|---|---|---|
| ego-browser | 71.4%(7 回の試行中 5 回成功) | $0.063 |
| agent-desktop | 57.1%(7 回の試行中 4 回成功) | $0.174 |
| Cua Driver | 28.6%(7 回の試行中 2 回成功) | $0.352 |
使用したツール
ego-browser
ego-browser は、このテストで使用したブラウザー操作ツールです。Chromium ベースのエージェント用ブラウザー、ego(lite) 上で動作します。エージェントはステップごとに短いスクリプトを書き、JavaScript でページ内で実行するため、一回の呼び出しでページの広い範囲を読み取れます。エージェントの各タスクは、独立した作業領域である専用の Space で動き、マウスやフォーカスを奪いません。

macOS では、ego-browser の skill にあるインストールスクリプトで無料ツール ego(lite) をインストールします。Windows では ego(lite) のサイトからインストーラーをダウンロードしてください。アプリの初期設定で ego-browser コマンドが追加され、その後、エージェントの実行基盤に skill を読み込みます。
今回の実行では、ego-browser は 7 タスク中 5 タスクに成功し、成功タスク一件当たりの支出は $0.063 でした。agent-desktop とともに成功した三つのタスクでは、タスク当たりの呼び出し回数が 26.3 回で、agent-desktop は 87.7 回でした。
agent-desktop
agent-desktop は Vercel Labs のコンピューター操作ツールです。デスクトップアプリのアクセシビリティツリーを読み取り、エージェントが操作できる各要素の参照値 ref を付けて JSON として返します。エージェントは ref を使ってクリックや入力を行い、再び UI を読んで結果を確認します。CLI として提供され、その内部でモデルが動くわけではありません。
標準ではヘッドレスで動作するため、ref を使う操作はアクセシビリティ API を通じて実行され、ポインターを動かしたりフォーカスを奪ったりしません。グローバルフラグ --headed を指定すると、物理的な入力とフォーカスの変更が可能になります。今回の実行では、七回中六回の試行で focus-window を使って Chrome のウィンドウを前面に出しました。また、五回の試行で次のフラグを使いました:--headed.
次のコマンドでインストールします:npm install -g agent-desktop。または、macOS と Linux では Homebrew でもインストールできます。その後、アクセシビリティへのアクセスを許可し(agent-desktop permissions --guide で手順を確認できます)、skill を読み込みます。
今回の実行では、agent-desktop は 7 タスク中 4 タスクに成功し、成功タスク一件当たりの支出は $0.174 でした。ego-browser が成功しなかった npm のタスクに成功しました。また、ego-browser とともに成功した三つのタスクでは、タスク当たり 87.7 回の呼び出しを行いました。
Cua Driver
Cua Driver は、macOS、Windows、Linux 上のネイティブなデスクトップアプリやブラウザーを操作する Cua のツールです。CLI、MCP、または型付き SDK を通じて接続します。アプリとプラットフォームが対応していれば、バックグラウンドでの入力配信により、ポインターを動かしたりフォーカスを奪ったりせずにエージェントが作業できます。フォアグラウンドでの入力配信が代替手段になります。
macOS または Linux では、次のコマンドでインストールします:/bin/bash -c "$(curl -fsSL https://cua.ai/driver/install.sh)"。Windows では次を使います:irm https://cua.ai/driver/install.ps1 | iex.
今回の実行では、Cua Driver は 7 タスク中 2 タスクに成功し、成功タスク一件当たりの支出は $0.352 でした。成功した二つのタスクでは、タスク当たり 111.0 回の呼び出しを行い、ego-browser は 32.5 回でした。
LinkedIn で求人を検索して保存する
日々の作業に最も近いのがこのタスクです。エージェントに与えられた候補者のプロフィールは、Rust と Go の経験五年、ベルリン在住、EU 域内のリモート勤務のみ、給与は最低 €90k でした。過去一週間の求人を探し、判断前に各募集要項を読み、五件を保存して求人アラートを作る必要がありました。
ego-browser を使うと、モデルは自らの集計で約十二件の求人を読み、五件を保存してアラートを設定しました。所要時間は 399 秒、呼び出しは 44 回、トークン費用は $0.056 でした。Cua Driver でも同じ作業を 670 秒、107 回の呼び出し、$0.109 で完了しました。agent-desktop では 140 回呼び出した末に 900 秒の上限に達し、求人リストは書き出しませんでした。

フィルター、項目の保存、アラートを含む流れでは、まず ego-browser を使うことを勧めます。Cua Driver も完了したので実行は可能ですが、呼び出し回数は二倍を超えると考えてください。
長いページからデータを抽出する
OpenRouter のタスクでは、長いモデル一覧を CSV に変換するようエージェントに求めました。コンテキストウィンドウ長、費用、ツール対応、マルチモーダル対応の条件を満たすモデルを探し、必要な形式に情報を整理するという内容です。ego-browser は条件に合う全 36 モデルを 662 秒、55 回のツール呼び出しで返しました。agent-desktop と Cua Driver はともに、CSV を作成できずに 900 秒の上限に達しました。このタスクで、絞り込んだモデル一覧をユーザーが使えるリストにしたのは ego-browser の構成だけでした。ただし、ego-browser が示した価格欄の確認は依然として必要です。36 件の入力トークンの価格のうち 5 件は誤った回答でした。
失敗した試行で何が起きたか
日常業務を扱う今回のデータセットでは、900 秒を超えるタスクは時間がかかりすぎです。そうした試行が支出に占めた割合は、ego-browser が 34%、agent-desktop が 53%、Cua Driver が 74% でした。失敗したタスクの一つでは、すべてのツールが Amazon で候補を探して確認するうちに時間上限に達し、カートには何も入れませんでした。長い仕事を任せるなら、完了しない試行の費用も予算に含めてください。

実行方法
自分で結果を得るには、選んだモデルを推論強度 high でエージェント実行基盤上で動かし、bash ツールと、各ブラウザーツールの skill ファイルを用意してください。ego-browser は ego(lite) に付属し、エージェントのブラウザーとして ego(lite) を操作します。Cua Driver と agent-desktop は Google Chrome を操作します。
よくある質問
DeepSeek-V4.1-Flash のウェブタスクには、ブラウザー操作とコンピューター操作のどちらを使うべきですか? 今回の実行ではブラウザー操作です。DeepSeek-V4.1-Flash は、ブラウザー操作ツールの ego-browser で 7 タスク中 5 タスクに成功し、コンピューター操作ツールの agent-desktop では 4、Cua Driver では 2 に成功しました。ego-browser と agent-desktop がともに成功した 3 タスクでは、タスク当たりの時間は ego-browser が 193.5 秒、相手が 690.8 秒、費用は $0.023 と $0.084 でした。この差はツール呼び出しによるもので、タスク当たり 26.3 回に対して 87.7 回でした。タスクは求人検索、データ抽出、ウェブアプリのテスト、買い物で、同じエージェント実行基盤を通じて実行しました。詳しい設定は「検証方法」を参照してください。
DeepSeek-V4.1-Flash はブラウザーエージェントを動かすのに十分ですか? 適切なツールを使えば、低い費用で仕事をこなせます。ego-browser では 7 タスク中 5 タスクに成功し、成功タスク一件当たりのトークン費用は $0.063 でした。agent-desktop では 4 タスクで $0.174、Cua Driver では 2 タスクで $0.352 でした。支出には失敗も含む七回すべての試行を数えるため、失敗の多いツールほど成功一件当たりの費用が高くなります。タスクは求人検索、データ抽出、ウェブアプリのテスト、買い物を対象としていました。詳しい設定は「検証方法」を参照してください。
ego-browser は実行中にマウスを占有しますか? いいえ。ego(lite) のサイトによると、ego-browser は専用の Space で動作し、マウスやフォーカスを奪いません。今回の七回の試行でも、別のアプリを前面に出すコマンドはログにありませんでした。agent-desktop は七回中六回で Chrome のウィンドウを前面に出し、Cua Driver は二回でフォアグラウンドの入力配信を要求しました。これらのツールでは、エージェントの作業中に画面が占有されます。詳しい設定は「検証方法」を参照してください。
ego-browser は agent-desktop より速いですか? はい、両方が成功したすべてのタスクで速くなりました。共通の 3 タスクでは、ego-browser がタスク当たり 193.5 秒、相手が 690.8 秒でした。Hacker News のタスクは 66 秒に対して 442 秒、15 ケースのショップテストは 131 秒に対して 791 秒でした。呼び出しはタスク当たり 26.3 回と 87.7 回でした。agent-desktop は ego-browser が成功しなかった npm のタスクにも 701 秒で成功しているため、そのタスクの速度は比較できません。詳しい設定は「検証方法」を参照してください。
ego-browser は Cua Driver より安いですか? はい、両方が成功したタスクでは安くなりました。LinkedIn の求人検索と 15 ケースのショップテストでは、ego-browser の費用はタスク当たり $0.036、相手は $0.092 で、所要時間は 265.2 秒と 634.0 秒でした。呼び出しはタスク当たり 32.5 回に対して 111.0 回で、呼び出しのたびに会話を再送信します。また、Cua Driver は総支出の 74% を時間上限に達した試行に使っていました。詳しい設定は「検証方法」を参照してください。
Cua Driver はウェブタスクでどのような結果でしたか? 7 タスク中 2 タスク、LinkedIn の求人検索と 15 ケースのショップテストに成功しました。どちらも ego-browser が成功したタスクです。Hacker News と npm を含む残りの 5 タスクでは時間上限に達しました。成功タスク一件当たりの支出は $0.352 で、ego-browser は $0.063 でした。成功した二つの試行では呼び出しが 107 回と 115 回で、ego-browser は 44 回と 21 回でした。タスクは同じエージェント実行基盤とモデルで実行しました。詳しい設定は「検証方法」を参照してください。
agent-desktop は ego-browser と比べてどうですか? agent-desktop は 7 タスク中 4 タスク、ego-browser は 5 タスクに成功しました。agent-desktop は ego-browser が成功しなかった npm のタスクに成功しました。LinkedIn の検索、OpenRouter の絞り込み、Amazon の検索では時間上限に達しました。両方が成功したタスクでは遅く、タスク当たり 690.8 秒に対して 193.5 秒で、費用は $0.084 に対して $0.023 でした。差の大部分は呼び出し回数によるものです。詳しい設定は「検証方法」を参照してください。
ブラウザーエージェントが時間切れになると、どれほどの費用がかかりますか? 今回の実行では、費用の大きな部分を占めました。成功しなかったすべての試行は上限まで実行され、大半のタスクではその上限は 900 秒でした。そのような試行に使った割合は、ego-browser が総額 $0.315 の 34%、agent-desktop が $0.695 の 53%、Cua Driver が $0.705 の 74% でした。Cua Driver は 7 回中 5 回、agent-desktop は 3 回、ego-browser は 2 回の試行で上限に達しました。詳しい設定は「検証方法」を参照してください。
ego-browser が完了しなかったのは何ですか? 七回の試行のうち二回が成功せず、どちらも 900 秒の上限に達しました。Amazon の検索と npm のタスクです。OpenRouter のリストでは全 36 モデルを見つけ、入力トークンの価格は 36 件中 31 件が API と一致しました。この二つのタスクでは agent-desktop と Cua Driver も失敗しましたが、npm は例外で、agent-desktop は成功しています。タスク別の結果は「全タスクの結果」、詳しい設定は「検証方法」を参照してください。

ブラウザーエージェントは Amazon で買い物ができますか? 今回の実行ではできませんでした。タスクでは、配送先の ZIP コードを設定し、RAM、SSD、価格、評価でミニ PC を絞り込み、各商品の詳細ページを確認して三つをリストにし、一つをカートに入れる必要がありました。ego-browser、agent-desktop、Cua Driver はすべて ZIP コードを設定し、900 秒の上限まで検索を続けましたが、どれもリストを書き出せず、カートにも進みませんでした。支出は $0.080、$0.079、$0.122 でした。詳しい設定は「検証方法」を参照してください。
検証方法
DeepSeek-V4.1-Flash(API では deepseek-flash)を、pi のエージェント実行基盤上で推論強度 high に設定して動かしました。read、write、edit、bash ツールと、各ブラウザーツールの skill ファイルを使用しました。ego-browser は ego(lite) を操作します。Cua Driver 0.44.0 と agent-desktop 1.2.0 は、システムのアクセシビリティツリーを通じて Google Chrome を操作します。
7 タスクを、ツールごとに各タスク一回ずつ、合計 21 回試行しました。ウェブアプリの自動化(2 タスク)は LinkedIn の求人検索と Amazon の商品検索です。データ抽出(3)は Hacker News の採用スレッド、npm パッケージ、OpenRouter のモデルを対象とします。ウェブアプリのテスト(2)はチャットのデモと、15 ケースをテストするショップです。各試行の時間上限は 900 秒で、二つのテストタスクは 1,200 秒でした。
ツールが出力を書き出し、その出力がタスクの検査基準を満たすと合格になります。Hacker News は再現率と適合率がともに 0.8 以上、ショップテストは 15 件中 14 件の判定が正しいことを求めました。npm は全項目の 90% でレジストリの値との差が 5% 以内であることが必要でした。チャットのデモは、返信と一致するサーバーログと、仕込まれた三つのバグのうち少なくとも二つの発見が必要でした。LinkedIn と OpenRouter は要求したリストを返すと合格とし、OpenRouter の価格の一致状況は下の注記で報告しています。成功率は試行単位で集計します。時間と費用は、両方のツールが成功したタスクでのタスク当たり平均とし、費用には DeepSeek の公開定価を使っています。
全タスクの結果
| タスク | 作業の種類 | ego-browser | agent-desktop | Cua Driver |
|---|---|---|---|---|
| LinkedIn で EU 域内のリモート勤務が可能な Rust の求人を五件探して保存し、求人アラートを設定する | ウェブアプリ自動化 | 成功(399 s, $0.056) | 時間切れ(900 s, $0.131) | 成功(670 s, $0.109) |
| Amazon で仕様と評価を基準にミニ PC を三つ選び、一つをカートに入れる | ウェブアプリ自動化 | 時間切れ(900 s, $0.080) | 時間切れ(900 s, $0.079) | 時間切れ(900 s, $0.122) |
| Hacker News の「Who is hiring?」スレッドにある、リモート勤務の Rust 求人 | データ抽出 | 成功(66 s, $0.018) | 成功(442 s, $0.077) | 時間切れ(900 s, $0.063) |
| keywords:validation で検索した npm の上位 30 件のバージョン、週間ダウンロード数、ライセンス | データ抽出 | 失敗(900 s, $0.028) | 成功(701 s, $0.074) | 時間切れ(900 s, $0.078) |
| コンテキスト、価格、ツール呼び出し、画像入力で OpenRouter のモデルを絞り込む | データ抽出 | 成功(662 s, $0.081) | 時間切れ(900 s, $0.160) | 時間切れ(900 s, $0.145) |
| ウェブ UI を通じてチャットのデモに 10 のテストケースを実行し、バグを報告する | ウェブアプリのテスト | 成功(383 s, $0.035) | 成功(839 s, $0.066) | 時間切れ(1,200 s, $0.111) |
| デモのショップで 15 のテストケースを実行し、合否を報告する | ウェブアプリのテスト | 成功(131 s, $0.017) | 成功(791 s, $0.109) | 成功(598 s, $0.076) |
