TypeSafeのJevを活用する主要GitHubツール5選とブラウザエージェント向け高速化ライブラリ

この投稿は、GitHub上の「jev-ultrafast」という高速・低コストのウェブブラウザエージェントを紹介しています。このエージェントは、自然言語で設定された単一の目標に対し、ページ上の操作対象要素を動的かつインデックス化された行動空間から選択し、操作（クリックやテキスト入力など）を実行する仕組みを持っています。小型の言語モデル（LLM）がテキスト入力時にのみテキストを生成し、それ以外の操作は事前定義された範囲内で実行されます。 具体例としてGoogle Flightsでチューリッヒからロンドンへのフライト検索を約7秒で行うデモが示され、操作はクリックやテキスト入力、選択、スクロール、待機、完了、ブロックの各動作に限られています。観察データはページ内の要素リストとして構造化され、操作可能な要素のみを対象に選択肢が提示されるため、サイト固有のスクリプトや事前準備は不要です。 使い方はGitHubリポジトリからクローンし、APIキーを設定して起動。ブラウザはBrowser Harness経由で接続され、Chromeのリモートデバッグ機能を利用します。テキストモデルとしてはOpenRouter対応のモデルが使われ、設定により複数のモデルを選択可能です。 投稿はまた、Pythonコード例を示し、目標設定と操作ループの実装方法を分かりやすく説明。