On-Device Browser Agent: WebLLMによる完全ローカル・プライバシー重視のブラウザ自動化ツール

概要

WebLLMとWebGPUを活用し、クラウドAPIや外部サーバーを一切介さずにブラウザ内で完結するAIエージェントによる自動化ツールです。

詳細内容

このGitHubリポジトリは、WebLLMを使用してブラウザ上で直接LLMを動作させ、ブラウザ操作を自動化するChrome拡張機能のソースコードを公開しています。WebGPUアクセラレーションを利用することで、プライバシーを完全に保護しながら高速な推論が可能です。システムは戦略を練る「Planner Agent」と実行を担う「Navigator Agent」の2段階構成になっており、ユーザーの指示に基づいてDOM解析、クリック、入力、データ抽出などのアクションを自律的に行います。Qwen2.5-1.5Bなどのモデルをブラウザにキャッシュするため、初回セットアップ後はオフラインでの利用も可能です。現在はPoC段階であり、テキストベースの解析に限定されていますが、ローカル環境でのAIエージェント活用の実用的な構成を示しています。

元記事を読む他のサマリーを見る