Як Versell Agent Browser змінює гру в автоматизації браузера для AI-агентів (Мій досвід)

Як Versell Agent Browser зробив автоматизацію браузера для моїх AI-агентів надійнішою (мій досвід)

Привіт, шановні колеги! З вами Ліла Харт, і я рада поділитися з вами результатами моїх останніх досліджень у сфері автоматизації браузерів для AI-агентів. Маю понад два десятиліття досвіду роботи у бізнес-аналізі та впровадженні інструментів автоматизації, і, повірте, я бачила багато рішень. Сьогодні ж хочу розповісти про новий продукт, який може змінити ваше уявлення про те, як зробити ваших кодувальних помічників найнадійнішими – Versell Agent Browser.

Ви, напевно, як і я, знаєте, що найпростіші інструменти часто мають найбільший вплив на продуктивність. Так було і з цим рішенням для автоматизації браузера. Цей інструмент – ніби знайти секретний інгредієнт для вашого улюбленого рецепту.

Усвідомлюєте, що наймаєте розумного помічника, який пише код. Він швидкий, пише без помилок, але як перевірити, чи те, що він робить, справді працює? Наприклад, кодувальний агент може написати код для створення кнопки, але чи натискається та кнопка?

Автоматизація браузера – необхідний інструмент

Саме тут на допомогу приходить автоматизація браузера. Вона дає змогу вашому AI-агенту “побачити” вебсайт, перевірити, чи все працює коректно. Але не всі інструменти автоматизації однакові. Я стикалася з інструментами, які неточно працювали та викликали багато розчарування.

Саме тому я вирішила заглибитися у цю тему та почала тестування різних інструментів. Я хотіла знайти рішення, яке дозволить AI-агенту не лише писати код, а й перевіряти його надійність на кожному етапі, імітуючи дії звичайного користувача.

Сьогодні ми розглянемо Versell Agent Browser. Повірте, це справжній прорив. Далі я розповім, як тестувала нове рішення для своїх потреб.

Експерименти з самоперевіркою: важливість перевірки “наживо”

Мій друг, який є талановитим розробником, нещодавно розповів мені про свої останні експерименти з кодувальними агентами. Він сказав: “Ліло, я вкладаю багато часу в те, щоб навчити мого ШІ перевіряти себе. Інакше я б досі все робив вручну”. Саме це є ключовою проблемою.

Уявіть, що ви будуєте будинок. Архітектор створив проект, будівельники звели стіни. Але ж хто перевірить, чи відкриваються двері, чи не протікають вікна, чи справно працює сантехніка? Зазвичай це робить інспектор. У світі ШІ-кодування цим інспектором повинен бути… сам ШІ.

Мій досвід показує, що найкращий спосіб отримати надійні результати від AI-агентів – це надати їм можливість самостійної валідації. Оскільки більшість додатків мають frontend, агент повинен вміти “відвідувати” сайт, “перебувати” на ньому як користувач. Якщо цього немає, вся перевірка лягає на нас. Я маю вручну тестувати, знаходити помилки, повертатися до агента. Це не зовсім автономний процес, чи не так?

Я використовую інструменти автоматизації браузера майже після кожної реалізації нової функції. У своєму плані я кажу агенту: “Напиши код, протестуй його, відкрий сайт, поклацай по кнопках, заповни форми, зроби скріншоти”. Так, я навіть прошу його робити знімки екрана, щоб потім все це переглянути. У мене навіть є процес: від базового тестування до регресійного, бо агент може пройти всі сценарії користувача. Як результат, я отримую вебсайт, який є надзвичайно надійним.

Від Playwright до Versell: мій досвід та шлях до надійності

Довгий час моїм улюбленим інструментом для автоматизації браузера був Playwright. Я досі вважаю його чудовим інструментом. За останній рік розробники Playwright додали багато покращень, щоб полегшити користування. Але, відверто кажучи, я досі вважаю, що він не завжди найнадійніший. Він добрий, але не “вау”. Часто мій кодувальний агент “застрягав”, намагаючись його використовувати, і ця валідація ставала трохи… незграбною.

Я пробувала інші інструменти: Playwright Skill для Cloud Code, Chrome DevTools. Вони всі непогані, але, на мою думку, не досягають ідеалу.

Тому я була вражена, коли вперше спробувала Versell Agent Browser. На мій погляд, це найкращий інструмент для автоматизації браузера, керований агентом.

У минулому я часто стикалася з невеликими проблемами з надійністю, які викликали розчарування. Але досі я не документувала все так конкретно. Перед цим відео я провела купу тестів, щоб отримати точні цифри.

Цифри говорять про надійність: 95% успіху з першої спроби!

Давайте звернемося до даних. Я розрахувала коефіцієнт успішного завершення завдань з першої спроби. Простіше кажучи, як часто агент успішно використовує інструмент автоматизації браузера з першого разу для кожної дії: зробити скріншот, клікнути на кнопку, заповнити форму – все, що імітує дії користувача.

• Versell Agent Browser CLI: 95%! Це неймовірно! Я враховую лише спроби з першого разу. У деяких випадках я давала агенту змогу переповторити спробу. Після цього показник наближався до 100%.
• Playwright MCP та Chrome DevTools MCP: 80% і 75% відповідно.

Різниця дуже помітна, чи не так? Чому так сталося?

Розкриваємо принципи Versell: філософія “менше – означає більше”

Замість того, щоб заглиблюватися в складні технічні деталі, зосередьмося на ключовому підході Versell. Старі підходи, як-от Playwright MCP, використовують селектори та пошук. Це як знаходити голку в копиці сіна – результат не завжди детермінований. Агент не розуміє структуру сайту, він просто “шукає”.

Ви завантажуєте сторінку, отримуєте дерево доступності, яке є більш детермінованим, але… воно величезне! Ви шукаєте елементи, і якщо нічого не знайдено, доводиться повторювати спробу. Ось чому ми маємо ці показники.

А що робить Versell Agent Browser? Ми відвідуємо сайт, робимо знімок екрана та повертаємо повну структуру сайту до LLM (великої мовної моделі). Але робимо це розумно: конденсуємо інформацію в посилання на елементи, з якими агент може взаємодіяти. Наприклад: “Ось наша кнопка входу. Посилання @e1“. Агент може позначити це посилання та клікнути його одним викликом. Це дуже економно за кількістю токенів, швидко та надійно, бо ми не дуже покладаємося на пошук.

Це може здатися парадоксальним. Ми віддаємо всю конденсовану структуру LLM, що створює більше простору для помилок. З співставленням і пошуком ми даємо агенту певний робочий процес для визначення того, що він шукає. Але Versell дотримується філософії “менше – означає більше”. І це стосується не лише автоматизації браузера, а й кодування ШІ.

Історія з “нулем”: як Versell навчилися на власних помилках

Це насправді дуже важливо. У грудні Versell опублікували дослідження про їхнього агента text-to-SQL D0ero. Дуже поширений приклад. Спочатку вони надали агенту 17 спеціалізованих інструментів. Звучить гнучко, так? Але насправді це означало, що існувало багато специфічних способів взаємодії з базою даних, які Versell визначали для свого агента. І ось, успіх склав лише 80%.

Тоді Versell подумали: “А що, якби ми просто не заважали агенту?” Замість того, щоб визначати всі способи роботи з базою даних, вони дали йому лише два інструменти: один для написання SQL-запитів, який агент хотів, враховуючи схему. Коли вони це зробили, вони отримали 100% успіху!

Це відбулося набагато швидше, потребувало менше токенів, менше кроків. Адже агенту не потрібно перескакувати між різними інструментами, щоб отримати відповідь. Це суто філософія “менше – означає більше”. Просто не заважайте агенту, дайте йому максимальну гнучкість.

Саме це вони роблять і з Agent Browser. Замість різних інструментів для пошуку, співставлення, отримання дерева доступності – вони просто конденсують сайт у посилання, відправляють це агенту, і дозволяють йому самому вирішувати, як навігувати. Це працює набагато краще. І результати тестування це підтверджують.

Leapter: коли надійність бізнес-логіки – понад усе

До речі, про надійність. Спонсор цього відео – Leapter, компанія, яку вважають “довіреним двигуном” для ШІ-агентів. Я багато говорю про гнучкість агента, але іноді гнучкість – не те, що вам потрібно. Можливо, у вас є жорстка бізнес-логіка, яку агент не повинен ламати, тому що він може “галюцинувати” речі, якщо ви дозволите йому визначати робочий процес.

Leapter перевертає гру. Замість того, щоб дозволяти агенту визначати бізнес-логіку, ви створюєте робочий процес – детермінований спосіб, який ви надаєте агенту як інструмент. Наприклад, багато ботів підтримки клієнтів повинні обчислювати ціну на основі розмови з користувачем. Leapter дозволяє вам легко створити такий робочий процес. Ви надсилаєте запит, як саме ви хочете розрахувати ціну, і за лічені секунди отримуєте готовий робочий процес, який можна використовувати як інструмент для агента.

Агент вирішує, які використовувати параметри, але не визначає бізнес-логіку. Це гібридний підхід. Leapter зараз шукає відгуки від тих, хто будує агентські робочі процеси. Тож, якщо вас це цікавить, посилання – в описі.

Швидкий старт: спробуйте Versell Agent Browser CLI безкоштовно

Тепер перейдемо до найцікавішого: як ви можете безкоштовно використовувати Versell Agent Browser CLI у своїх робочих процесах кодування агентів для валідації.

1. Встановлення: Все просто. Команда npm install -g @versatileai/agent-browser-cli. На Linux або Mac це працюватиме без проблем. Я робила це через Ubuntu в WSL на Windows, бо на рідній Windows виникли деякі труднощі.
2. Інтеграція з Claude Code: Корисна порада. Якщо ви використовуєте Claude Code, ви можете додати файл skill.md з репозиторію Versell до вашої папки skills. Тоді Claude миттєво знатиме, як використовувати всі CLI-команди браузерного агента.

Я взяла skill.md, поклала його у папку cloud/skills, створила там файл agent-browser-skill.md. Тепер мій агент знає, як використовувати всі дії та параметри Versell Agent Browser CLI.

Демонстрація: як ШІ перевіряє себе

Тепер давайте подивимось, як це працює на практиці. Я запустила сесію Claude Code. Використовуючи мою програму для перетворення мови на текст, я даю команду: “Прочитай README, проаналізуй кодову базу, щоб зрозуміти структуру та як запустити фронтенд. Потім запусти фронтенд, відвідай його за допомогою навички Agent Browser, а потім, використовуючи Agent Browser CLI, пройдися сайтом, протестуй його як користувач, і зроби скріншот для мене як артефакт”.

Ось процес. Це дуже неформальна демонстрація. Зазвичай я вбудовую це як частину процесу валідації в мій план. Але для початку – найпростіше.

(Пауза, поки агент працює)

Бачимо, як агент завантажив навичку. Сайт запущено. Браузер відкрився. Тепер агент робить те, що я попросила: робить знімок екрана моєї програми wordcloud.

Тепер навігація сайтом, клацання по кнопках, заповнення полів форми. Ви зрозуміли ідею. Роблячи це, ми значно зменшуємо обсяг ручної валідації. Якщо ми маємо скріншоти, які підтверджують, що все працює як треба, ми можемо рухатися далі. Звісно, ми все одно будемо робити власні перевірки, але головне – агент може виявити всі очевидні проблеми, навіть деякі тонкі, перш ніж передати контроль нам.

Я не обіцяю, що він виправить абсолютно все, але він справляється з переважною більшістю проблем, що можуть виникнути після реалізації.

Порівняльне тестування: Versell VS Playwright

На завершення я хочу поділитися уривком з моїх тестів, які допомогли мені отримати ті відсотки, що я згадувала раніше. Це був досить масштабний процес. Я створила різні умови, щоб побудувати однаковий робочий процес валідації для різних інструментів.

Для Agent Browser CLI я дала йому завдання: зрозуміти кодову базу, запустити фронтенд, а потім пройти через масу різних фаз інтенсивної валідації. Я хотіла отримати хороший вибірковий розмір для всіх дій, які агент виконує з інструментом автоматизації браузера.

(Демонстрація логів Versell Agent Browser з зеленими галочками)

Я бачу зелені галочки майже всюди. Це рідкість. Якщо я прокручую вниз, я побачу кілька червоних, але, окрім двох очевидних проблем, все ідеально. І агент одразу ж повертається до нормального режиму роботи.

Тепер подивимося на Playwright. У цьому тесті Playwright теж показав себе непогано. Але ось явна проблема на самому початку. А також, у Playwright набагато більше “тихих збоїв” – немає явного повідомлення про помилку, але агент каже: “Ой, це не працює, мені потрібно спробувати щось інше”.

Я використовувала Playwright Skill. Він теж працював досить добре, генеруючи код. На простих вебсторінках Playwright MCP і Skill можуть бути такими ж добрими, як Agent Browser CLI. Але коли справа доходить до складніших сайтів – ось тут Agent Browser справді сяє!

Я проводила багато тестів на великих сайтах, як-от Amazon: зайти, знайти товар, прокрутити, клікнути на інші речі. Я давала дуже конкретні інструкції для великих сайтів, і саме тут Versell Agent Browser показав себе найкраще.

(Демонстрація логів Playwright з червоними попередженнями та “тихими збоями”)

Бачимо червоні попередження. І “тихі збої”, які я так називаю. Наприклад, друге посилання все ще на тому ж продукті. Йому доводиться повторювати ці спроби багато разів. Але я не бачу такого з Versell Agent Browser CLI, саме тому він набагато надійніший, на мою думку.

Майбутнє – за самовалідованим кодом

Я сподіваюся, ви знайшли це цікавим і, можливо, навіть відкрили для себе новий інструмент для вашого стеку технологій кодування агентів. Автоматизація браузера є критично важливою для цього.

Це надзвичайно простий інструмент для впровадження. Це безкоштовний інструмент. Ви можете спробувати його за 5-10 хвилин. І думаю, ви закохаєтесь у нього, як і я.

Якщо ви оцінили це відео та з нетерпінням чекаєте на більше про інженерію агентів, мені буде приємно отримати лайк та підписку.

Узагальнюючи свій досвід, можу сказати, що Versell Agent Browser CLI стає справжнім золотим стандартом автоматизації браузера в контексті кодування ШІ. Філософія “менше – означає більше” перетворюється на практичне рішення, що забезпечує безпрецедентну надійність, економить ваш час.

Висновки: майбутнє ШІ-кодування – це створення надійних систем, де ШІ може сам перевіряти роботу. Versell Agent Browser – важливий крок у цьому напрямку.

Заохочую вас: спробуйте Versell Agent Browser CLI сьогодні. Переконайтеся, наскільки легшим і надійнішим може стати ваше життя з кодувальними агентами. Це безкоштовно та надзвичайно ефективно для покращення вашого підходу до розробки.

До зустрічі в наступному відео!