AI エージェント向け最速Webオートメーションブラウザ

ego (lite) は、あなたとAI エージェントが並行して作業できるブラウザです。エージェントはそれぞれの Spaces で複数のブラウザタスクを実行し、あなたのタブには触れません。タスクはより少ないトークンで速く完了します。

昨年、私たちの多くは AI エージェントを獲得しようとしてきました ( Claude Code, Codex、Continue)、実際のブラウザで実際のブラウザ自動化を実行します。ログインした管理パネルからリストを取得します。ベンダーフォームに記入します。 QA はステージング環境で実行します。これらのためのツールは存在しますが、実際にそれを行う経験はまだ大まかです。

ego (lite) は、この問題を解決するための私たちの答えです。

ego (lite) とは

ego (lite) は Chrome エコシステムの深い部分に組み込まれています。Chrome と同じエンジンを使い、ブックマーク、拡張機能、ログイン済みセッションをすべてそのまま引き継ぎます。閲覧方法を変える必要はなく、インストール後すぐに使えます。

本当に他と違うのは、エージェントのネイティブ サポートです。

• CLI ベースではなくコード ベースにより、複雑なタスクをより少ないトークンで高速に実行できます。 ego (lite) がエージェントに公開する機能は、エージェントが直接呼び出せる JavaScript 関数としてラップされています。これにより、エージェントは得意なこと、つまりコードを書くことに集中し、複数ステップのタスクを 1 回の実行にまとめられます。「2 つのコマンドを呼び出し、結果を確認し、さらに 2 つ呼び出す」というループに陥りません。従来の CLI 方式と比べ、複雑なワークフローは成功率を高めながら 20〜50% 速く完了し、タスクごとのツール呼び出しも大幅に減ります。Vercel の agent-browser との社内ベンチマークでも同じ傾向が見られ、ワークフローが難しいほど差が広がります。
• すべてのエージェント専用のSpace。 ego (lite) は各エージェントに完全に分離された専用の Space を割り当てます。あなたが手前でブラウジングしている間、エージェントはバックグラウンドで作業し、互いに邪魔しません。どの Space でエージェントが動いているかをいつでも確認でき、必要なら操作を引き継いだり停止したりできます。Chrome に接続する agent-browser ツールを使ったことがあれば、ウィンドウやタブが次々に開く煩雑さをご存じでしょう。ego (lite) はその問題を根本から解消します。
• エージェントは、同じブラウザ内の並列ワークSpacesであるSpacesでマルチタスクを行います。 各Spacesは独自の AI エージェントまたは独自のタスクを取得し、すべて同時に実行されます。 Claude Code 10 個の並行Spacesで 10 個のリードを強化します。 Codex 5 つの競合サイトをさらに 5 つスクレイピングします。衝突したり、タブを盗んだりすることはありません。マウスは置いた場所に残ります。
• 市場で最も強力なページ Snapshot。 カーネルレベルのカスタマイズにより、ego (lite) は、テキストモデルが Web ページを「見て」操作するために使う高品質なページスナップショットを生成します。深くネストした iframe など、他の方式が繰り返し失敗する難しいケースも安定して処理できます。
• どのエージェントでも問題を解決できます ego-browser. ego-browser は、あらゆるエージェント CLI（Claude Code、Codex、Cursor、独自 CLI）と ego (lite) をつなぐ接続層です。ブラウザをページ内 JavaScript ツールの集合として公開します：snapshot、fill、click、wait、navigate、capture。エージェントがこれらを呼び出す JavaScript スニペットを書くと、ego-browser がページ上で一度に実行します。
• エクスペリエンスの蓄積により、使えば使うほどエージェントの速度が向上します (近日公開予定)。 エージェントがブラウザタスクに費やす時間の多くは試行錯誤です。ego (lite) の公式 Skill は、成功した操作を再利用可能なツールやワークフローとして蓄積し、同様のタスクを次回以降は最大 5 倍速く実行できるようにします。詳しくは後ほど説明します。

ego (lite) を構築した理由

私たちは、「GUI は死につつあるのか」という質問に対して見解を持っています。 GUI は今後も存続します。根本的に変わるのは、それを提供する人です。現在、どのプラットフォームにも独自の事前構築済みインターフェイスが付属しています。明日、あなたの個人エージェントが即座にそれを生成します。

それが未来です。今日の現実は、エージェントはすでに多くの実際の仕事をしなければならず、世界はまだエージェントのために構築されていません。多くのサービスは依然として API や MCP を提供していません。情報と機能は GUI 内にロックされたままで、人間のユーザー向けにパッケージ化されています。 Codex または Claude Code を使用して調査を行ったり、SaaS ツールに依存する作業を進めたりしたことがある場合は、これが何を意味するかがわかるでしょう。エージェントは依然としてブラウザを開いて、この古い世界と対話する必要があります。

そのため、エージェント製品自体にブラウザを組み込むものが増えています。一部の製品には、クライアントに組み込まれた必要最低限​​のブラウザが同梱されています。既存の Chrome にブリッジする拡張機能を出荷するものもあります。どれも十分に機能しません。 Chrome ブリッジ アプローチは不安定です。ログイン セッションが引き継がれる場合と引き継がれない場合があり、理由もなくタブが新しい​​ windows にポップし、ヘッド モードとヘッドレス モードが制御不能になります。埋め込み型のアプローチは実際のブラウザーではないため、複雑な場合はバラバラになります。

これらすべてが不十分である深い理由があります。 ブラウザは決してエージェント向けに設計されたものではありません。 Chrome、タブ、windows、ナビゲーション、権限のすべてのインタラクションの詳細は、人間のユーザーを中心に構築されています。自律エージェントがどのように機能するのか誰も尋ねませんでした。ブリッジ ツールと埋め込みツールはどちらもシステム上のパッチであり、エージェントの余地を残さないものです。問題は当然の結果です。

問題の残りの半分は、これらのツールのどれも、エージェントのブラウザが実際にどうあるべきかについて真剣に考えていないということです。これらはブラウザを過剰にラップし、エージェントにいくつかの CLI コマンドを渡し、エージェントが独自に調整できる内容を過小評価しています。あるいは、逆の方向に振って、生のプロトコルを公開し、すべての生のノイズをモデルにダンプします。

だからこそ ego (lite) を作りました。ブラウザを根本から考え直し、あなた、エージェント、Web を最も滑らかにつなぐ接点にしたかったのです。

ego (lite) の構築方法

コードを記述する前に、エージェントはブラウザとどのように対話すべきかという 1 つの疑問を解決する必要がありました。

私たちの答えは 3 層でした。

最初の層はビジョンとアクションです。エージェントは人間と同じようにページを「見て」、クリック、入力、スクロールします。これは、ブラウザがエージェントに提供する必要があるベースラインです。

2 番目の層はラップされたメソッド呼び出しです。私たちは、Snapshotが標準的な操作であるなど、頻繁に発生する操作を取り上げ、それらにクリーンな抽象化を与えました。私たちはわざと我慢しました。百のメソッドを積み重ねる必要はありません。目標は、網羅的なものではなく、抽象化を鮮明に保つことでした。

3 番目の層は、ブラウザーの基礎となる機能への直接アクセスです。エージェントが本当に直接の制御を必要とする場合、それはそこにあります。

3 つの層のポイントは、エージェントがタスクに適したものを選択することです。単純なクリックでは生のプロトコル呼び出しは必要ありません。複雑なフローが 1 つの CLI コマンドに詰め込まれることはありません。

なぜ Python やシェルではなく JavaScript なのか

Code over CLI はアーキテクチャ上の選択です。その中で、なぜ Python や Shell ではなく JavaScript を使うのでしょうか?それを推進したのは 2 つの理由です。

1 つ目の理由は認知負荷です。ego (lite) がページに注入するものは、すでに JavaScript です。バックグラウンドのオーケストレーションコードが別の言語なら、エージェントはタスクのたびに 2 つの文脈で構文を切り替えなければなりません。これは不要な負担です。タスク全体を 1 つの言語で統一すれば、エージェントは 1 つの思考モードに集中できます。

2 つ目の理由は実行環境の安定性です。すべてのユーザーに Python が入っているとも、同じように動くシェルがあるとも限りません。ユーザー環境に依存せず、必要なランタイムを製品側で用意します。ブラウザ内の V8 エンジンを再利用し、Node.js の不要な部分を省いて、完全な Node ランタイムを ego (lite) に同梱しています。インストールサイズの増加はわずか 6 MB です。

ego (lite) の速度はどれくらいですか?

4 つの複雑なブラウザ自動化タスクで、ego (lite) と Vercel の agent-browser を比較しました。ego (lite) は大幅に少ないトークンで、各タスクを最大 3.45 倍速く完了しました。

課題が難しいほど、ギャップは大きくなります。

2 つの設計上の決定が違いを生みました。まず、上記の 3 層の JavaScript インタラクションです。エージェントは、一度に 1 つの CLI 呼び出しを連鎖させるのではなく、単一パスで多くのアクションを実行する 1 つのスニペットを作成します。 2 つ目は、カスタム Chromium エンジン内に構築されたカーネル レベルのSnapshotです。これは、クロスオリジン iframe、Shadow DOM、および JavaScript シム Snapshot作成者が静かにドロップするサードパーティ SDK ウィジェットに到達します。

使えば使うほど速くなります（近日公開予定）

ego (lite) の公式 Skill では、経験を蓄積する仕組みを試験しています。成功したタスクはドメインごとの再利用可能なツールやワークフローに変換されます。次に似たタスクを実行するとき、エージェントはそれらを読み込み、試行錯誤を省けます。

これの理想的なバージョンは、タスクの実行中にエージェントがエクスペリエンスをキャプチャすることです。まずはそれを試してみました。評価結果が私たちの背中を押してくれました。モデルが同じ実行内でタスク自体とエクスペリエンス キャプチャの両方を最適化するように要求されると、タスクの成功率が低下し、実行が遅くなります。両方を同時にうまくやろうとすると、どちらもうまくいかないことになります。

そこで、それを 2 つのフェーズに分けました。実行中、エージェントはタスクに集中し、他には何も行いません。タスクが完了すると、別の蓄積フェーズが開始され、エージェントが関連ドキュメントを読んでツールとレッスンを構築します。この進歩的な開示アプローチにより、私たちが求めていたスピードアップが達成されました。複雑なタスクに関する内部テストでは、繰り返し実行が最大であることが示されています。 2.6 倍高速 最初の実行よりもトークンが大幅に減りました。

UX にはまだ満足していません。タスクの終了後、ユーザーは最終結果が得られるまで蓄積ステップを待つ必要がありますが、その待ち時間はまだスムーズではありません。私たちが検討している方向性の 1 つは、その蓄積をユーザーの手に委ねることです。タスクの終了後にエクスペリエンス キャプチャを開始するかどうかをユーザーが決定できるようにします。強制的な待機がなくなり、ユーザーはエージェントの成長方法をより詳細に制御できるようになります。

私たちはこれをまだ改良中ですが、基準に達したら広く出荷する予定です。

私たちの製品群における ego (lite) の役割はシンプルです。あなたとエージェントの両方が使えるブラウザ。それ以上でも、それ以下でもありません。

ego (lite) と既存ツールの違いは？

なぜ私たちは「ego」と呼ばれるのか

現代文化は「低自我」に大きく傾いています。意図はわかります。自己主張が強すぎると、本当に他人を傷つけてしまうことがあります。しかし、トレンドは論点を逸脱してしまいました。それは自己抑圧を美徳としてパッケージ化し、人々をより大きな機械の歯車に粉砕する一種のレトリックとなっています。

AI が担う仕事が増えるにつれ、私たちは逆のことを考えます。 「自分」の価値を改めて見つめ直す瞬間です。ツールが強力になるほど、その背後にある人間の判断力、個性、独立した思考の価値が高まります。薄めてはいけません。それらは増幅されるべきです。

本当の危険は、コンピュータが人間のように考え始めることではなく、人間がコンピュータのように考え始めることだ。

それで私たちはそれを呼びました ego。利己的になるための呼びかけではありません。そもそも自分の直感、アイデンティティ、自分の判断力が守る価値があるという賭け。

ego (lite) の「lite」は、これが ego のすべてではないことを表します。完全版の ego には、パーソナルエージェント、クラウドのサンドボックス環境、ブラウザを超えるシステムレベルの機能、メモリシステムがあります。2 つは別々の製品として提供しています。

試してみてください

現在、ego (lite) は macOS で個人利用なら無料です。Windows と Linux はロードマップに含まれています。ブラウザ操作は私たちのサーバーではなく、あなた自身のエージェントが実行します。そのため、個人向けの ego (lite) を無料で提供できます。

• ダウンロード .dmg.

オンボーディングでは 1 つの質問 (Chrome データを移行するかどうか) が尋ねられ、残りは処理されます。

AI エージェントを実際のブラウザにつなぐことに苦労してきたなら、ego (lite) を試してみてください。期待を裏切りません。

最後にもう 1 つ。ego (lite) はページ内容の読み取りだけでなく、実際の操作まで行えるブラウザ操作機能をエージェントに提供します。操作を任せるエージェントが信頼できる提供元のものであることを必ず確認してください。