メインコンテンツへスキップ
見出し画像

Cloudflare製AIブラウザKitesurf、どこがすごいのか

    11月13日、CloudflareがAIエージェント向けのブラウザエンジン「Kitesurf」をオープンソースにしました(Apache 2.0)。8月に発表されていたもので、Chromeの中身であるChromiumを使わず、Cloudflare Workersの上で動きます。

    公式のブログ3本と文書を読み、手元でもビルドして動かしてみました。何が新しいのか、どこが苦手なのかをまとめます。

    まず結論

    • AIがWebを読むためだけに、一から組み直したブラウザ。タブも拡張機能もない

    • ページごとに使い捨ての部屋で動き、外へ通信できる部品は1つだけ。読んだページに、AIをだます指示(プロンプトインジェクション)が混ざる前提で作られている

    • CPUはChromiumの3〜4分の1、メモリは5〜7分の1。その代わり、1ページを開く時間はかかる

    • いつものPuppeteerやPlaywrightから、ほぼそのまま使える。Cloudflareのサービス(Browser Run)でも、ベータの間は無料で試せる

    • 動画、WebGL、ボット対策の強いサイトは苦手。手元では、阿部寛のホームページが真っ白になった

    AIのために、Chromiumを使わず組み直した

    Chromiumは人間が見るためのブラウザで、AIには余計なものが多い、というのが出発点です。 タブ、テーマ、拡張機能、端末間の同期は、AIエージェントには要りません。大事なのは、読み取れる情報の量と、たくさん同時に動かしたときの費用だと公式ブログは書いています。エージェント1つに1つずつChromiumを割り当てると、メモリとCPUを使いすぎるそうです。

    中身は、Rustで書かれたオープンソースの部品の組み合わせです。

    • Blitz: HTMLを読み、画面の配置を決めて描く

    • Stylo: CSSを読む(Firefoxで使われている部品)

    • Boa: Rust製のJavaScriptエンジン(Workersで直接できない処理に使う)

    • Parleyなどの文字組みの部品と、PDFを作るKrilla

    これらをWebAssemblyにして、Workersの上で動かしています。もとはobscuraというRust製のヘッドレスのエンジンで、Workersへの移植にはAIエージェントの手も借りたそうです。

    ページごとに、使い捨ての部屋で動く

    Kitesurfは、大きく3つの部品に分かれています。

    • Engine: エージェントからの指示を受け、セッションを持つ。外から見える唯一の部品

    • PageScript: ページを1つ開くたびに、Dynamic Workersで新しい部屋(isolate)を作り、そのページのJavaScriptを動かす

    • PageRenderer: 画面を描いてPNGにする。状態を持たないので、失敗したら作り直してやり直す

    Kitesurfの仕組みの図。AIエージェントがPuppeteerやPlaywrightからCDPでEngineに指示を送る。Engineはページごとに使い捨ての部屋(PageScript)を作り、画面はPageRendererがPNGに描く。Webへの通信はSandboxOutboundの1か所だけを通る

    ネットにつながるのは、SandboxOutboundという部品だけです。 ページごとのCookieを分けて持ち、決まりに反する通信は403で止めます。読むページはすべて信用できない入力として扱い、毎回まっさらな状態から始めます。AIが読んだページに、AIをだます指示が書かれているかもしれない、という前提の作りです。

    CPUとメモリは数分の1。ただし速くはない

    公式の測定では、CPUは3〜4分の1、メモリは5〜7分の1で済みます。 14のURLを5回ずつ開いた中央値で、使い回しの状態のChromiumと比べた数字です。

    Kitesurfと、使い回しの状態のChromiumの比較表。CPUはスクリーンショットで380ミリ秒対1,173ミリ秒、HTMLの取り出しで229ミリ秒対877ミリ秒。メモリはスクリーンショットで57.8MiB対271.0MiB、HTMLの取り出しで39.4MiB対273.7MiB。処理時間はスクリーンショットで1,148ミリ秒対637ミリ秒、HTMLの取り出しで820ミリ秒対472ミリ秒で、Kitesurfの方が1.7〜1.8倍かかる

    つまり「速いブラウザ」ではなく「軽いブラウザ」です。 たくさんのエージェントを同時に動かすときの費用を下げるためのもので、1ページを急いで開きたい用途には向きません。手元で大手30社の投資家向けのページを開いたときも、読み込みが終わるまでの中央値はKitesurfが4.4秒、Chromiumが2.8秒でした(手元の開発用サーバーで測ったもので、本番の数字ではありません)。

    見た目は「ピクセル単位では合わせない」と公式に書かれています。それでも、私たちのyomitokaのトップページは、Chromiumとほとんど見分けがつかないくらいに描けました。取り出せた本文の文字数も、どちらも2,129字で同じでした。トヨタの投資家情報のページやWikipediaの記事も、崩れずに描けています。

    yomitokaのトップページを開いた比較。左のKitesurfと右のChromiumで、左のメニュー、検索欄、「はじめての方へ」の案内、最近のニュースの並びがほぼ同じに描かれている。違いは文字の太さや改行の位置が少し違う程度

    いつものPuppeteerから使える

    KitesurfはChromeと同じ操作の窓口(Chrome DevTools Protocol、CDP)を持っています。 手元で立ち上げたKitesurfには、Puppeteerのつなぎ先を変えるだけでつながりました。

    import puppeteer from "puppeteer-core";
    
    const browser = await puppeteer.connect({
      browserWSEndpoint: "ws://127.0.0.1:8787/devtools/browser",
    });
    const page = await browser.newPage();
    await page.goto("https://ja.wikipedia.org/wiki/カイトサーフィン");
    await page.screenshot({ path: "kitesurf.png" });
    await browser.disconnect();
    

    Wikipediaの検索欄に「カイトサーフィン」と打ってEnterを押すと、ちゃんと記事のページへ移りました。本文中のリンクのクリックも動きます。AIエージェントに画面を操作させる用途にも使えそうです。

    使い方はほかにもあります。

    • Cloudflareのブラウザのサービス「Browser Run」で、browser=kitesurfを付けるとKitesurfで動く。ベータの間は、アカウントごとの上限つきで無料

    • AIエージェント向けの規格WebMCPにも、試験的に対応(9月の更新)

    • ターミナル版もあり、Webページを端末の中に画像や文字で表示できる

    苦手なこと:動画、WebGL、ボット対策、そしてフレーム

    公式に「まだできない」とされているのは、次の3つです。 これらはChromiumを使うように案内されています。

    • 動画の再生とWebGLの描画

    • TLSの特徴でボットを見分ける仕組みの突破

    • 長く続くログイン状態を保つ使い方

    手元でも、うまくいかないページがありました。

    • 阿部寛のホームページは、真っ白だった。昔ながらのフレーム(frameset)で左右に分けた作りで、Kitesurfはフレームの中身を読み込んでいなかった

    • ブラウザゲームの2048(play2048.co)は、キーは効いてスコアも動いたが、盤面が描けなかった

    • 一部の会社のサイトはKitesurfだけを断った。逆に、headlessのChromiumだけを断るサイトもあった

    • getAttribute("href")が、ページに書かれた相対パスではなく絶対URLを返す。Chromium向けのコードをそのまま使うと、リンクの選び方がずれることがある

    手元で動かすには

    • GitHubのcloudflare/kitesurfをクローンし、Bazelisk、Node.js 22、pnpm 9.15.4を用意する

    • pnpm install --frozen-lockfileとpnpm run devで、http://127.0.0.1:8787に立ち上がる。初回のビルドは約5分(Rustの部品をWebAssemblyにする)

    • Cloudflareに置くにはWorkers Paidプランが要る。認証をかけずに公開すると誰でも使えてしまうので、Cloudflare Accessなどで守るよう公式に注意がある

    まとめ

    • たくさんのページを安く読ませたいなら、Kitesurfは試す価値がある

    • 動画やゲーム、ボット対策の強いサイト、古い作りのページは、Chromiumに切り替える仕組みを用意しておく

    • 開発は活発で、公式ブログは「30fpsのDoomも試すかも」と書いている。数か月後には、苦手なことの一覧が短くなっているかもしれない

    記事への感想や開発上の疑問はこちらからお寄せください。

    この記事を書いたチームがつくるyomitokaで、日本企業の情報を読み解いてみてください。


     
     
    日本の会社を知るサービス「yomitoka」のnoteです。身近な会社の話や、開発の日々、サービスの更新をお届けします。 https://yomitoka.com/

    あなたへのおすすめ