メインコンテンツへスキップ
見出し画像

ターミナル1つから、AI エージェントに10個以上のブラウザを操作させている。そのやり方

    私は1人で事業を回していて、1日の多くがブラウザの作業です。
    Stripe で入金を確かめる。
    Search Console から順位を取ってくる。
    掲載サイトやローンチサイトのフォームを埋める。
    十数か所に投稿する。

    最近は、そのほとんどを Claude Code に任せています。
    難しかったのは AI ではありませんでした。
    ブラウザです。
    ログインしているサイトの中で、こちらの邪魔をせず、ボット扱いもされずに、エージェントに作業させるにはどうすればいいのか。

    「AI エージェントにブラウザで Uber Eats を注文させてみた」のような話を、よく見かけます。
    私に言わせれば、あれは的外れです。
    食事の注文なら、自分でやったほうが早い。
    1つの作業を私の代わりにやってもらっても、ほとんど何も浮きません。

    大事なのは、私が別のことをしている間に、いくつの作業を並べて進められるかです。
    ブラウザで AI エージェントを使いたい理由は、それだけです。

    まず、よくあるやり方を試しました。
    どれも、思ってもいなかった形で行き詰まりました。

    1. Claude の Chrome 拡張機能

    いちばん手軽なのは、Claude の Chrome 用の拡張機能です。
    ログインはもう済んでいるので、エージェントはすぐに作業を始められます。

    ただ、拡張機能だと、ブラウザごとに作業を指示することになります。
    1つの作業ならそれで十分です。
    いくつもの作業を並べて進めたい私には、合いませんでした。

    私は、全部をターミナルから指示したかった。
    頼むのは1か所だけで、エージェントが必要なサービスで、同時に作業を進める形です。

    ほかにも気になったことが2つあります。

    • ブラウザを丸ごと渡すことになる。開いているタブも、アカウントも、サービスも全部。「Stripe だけ」と言う方法が無い

    • 一度、思っていたのと別のブラウザにつながり、もうログインしているサービスに「ログインしてください」と頼まれた。こちらの画面では何も問題が無かったので、原因が分かるまで時間がかかった

    2. 別のブラウザを、自動操作の道具で動かす

    AI エージェントのブラウザ自動操作は、ほとんどがこの形です。
    特別な設定で Chrome を起動し、そこにつなぎます。

    ぶつかったこと:

    • まっさらなブラウザなので、ログインが無い。サービスごとに、ログインし直して、2段階認証のコードもまた入れる

    • サイトに気づかれる。あるスタートアップの掲載サイトでは、自動操作の道具で送信したら「Bot access denied」が返った。そのあとは、私が自分で送信ボタンを押しても通らなくなった

    3. 画面を見て操作させる

    エージェントが画面を撮り、場所を決めて、押して、打つ。
    何でも操作できます。

    ただ、操作するのは、私が見ている画面そのものです。
    作業の間、マウスとキーボードはエージェントのもので、画面は1つしかないので、隣で2つ目の作業を進めることもできません。

    私がいちばん引っかかったのは、ここです。
    エージェントに仕事を任せるのは、その間に私が自分の作業を続けるためです。
    エージェントが作業している間、フォーカスを取られて私が何もできないなら、横で見ているだけになります。
    作業の効率から見れば、本末転倒です。

    本当に欲しかったもの

    ここまで試して、欲しいものは短い一覧になりました。

    • ログインは自分でする。エージェントにはパスワードを見せない

    • エージェントに渡すのは、ブラウザ全体ではなく、1つのサービスだけ

    • 私の作業の前に、何も割り込んでこない

    • いくつもの作業を、同時に進められる

    作ったもの

    そこで Kagemusha を作りました。
    どんなサイトでも、それぞれ独立した Mac のアプリにします。
    Stripe のアプリ、Search Console のアプリ、GitHub のアプリ。
    1つ1つが別のブラウザで、ログインも別です。

    各アプリには、最初に一度、普段どおりにログインします。
    パスワード管理ツールでも、パスキーでもかまいません。
    そのうえで、アプリごとに、AI エージェントに操作させるかどうかを決めます。
    新しいアプリは、この設定が切ってある状態で始まります。

    エージェントが作業するときは、そのアプリの中で、裏で動きます。
    画面は私のものです。
    見ていたければ窓を出し、要らなければ隠しておけます。

    ここを詰めるのに、かなり試行錯誤しました。
    打っている最中に、窓が何度も前に出てきました。
    窓を一瞬前に出すだけでも、キーボードが3秒近く取られ、打った文字が別のところに入りました。
    エージェントがページを開いて、読んで、入力するまでを、私の作業の前に一度も出ずにできるようになるまで、続けました。

    アプリごとに別のブラウザなので、いくつも同時に動かせます。
    先日確かめたときは、MacBook Pro(M4 Max、メモリ128GB)でこのアプリを24個開いていて、使っていたメモリは合計で約23GBでした。
    同じ Mac では、開発用のサーバも20ほど動いていました。
    1台で一度見た例で、負荷試験ではありません。

    使ってみて変わったこと:ブラウザのお守りをしなくなりました。
    先週 Search Console で順位が落ちたページ、今月の Stripe の返金、投稿の下書きを頼むと、私が別の作業をしている間に返ってきます。

    置き場所

    まずは自分の仕事のために作ったものです。
    見てみたい方は、こちらにあります。

    https://kagemusha.app/

    ほかの人がどうしているのかも聞いてみたいです。
    エージェントにブラウザを使わせているなら、ここに挙げた壁のどれにぶつかりましたか。

     
     
    有料noteの値付けと発信で何が効くのかを、実際に集めたデータで確かめて書いています。2004年から仕事マッチングサイト@SOHO(atsoho.com)を運営。

    あなたへのおすすめ