AI エージェント向け最速ブラウザ自動化

ego (lite) は、あなたと AI エージェントが並行して作業できるブラウザです。エージェントはそれぞれの Space で複数のブラウザタスクを実行し、あなたのタブに触れることはありません。タスクは、より少ないトークンでより速く完了します。

この1年、私たちの多くは AI エージェント（ Claude Code, Codex, Continueなど）を使って、実際のブラウザでブラウザ自動化を実行しました。ログイン済みの管理パネルからリストを取得し、ベンダーフォームに入力し、ステージング環境でQAを実行する。こうした作業のためのツールはすでに存在しますが、実際の使い勝手はまだ十分とはいえません。

ego (lite) は、その問題を解決するための、私たちなりの答えです。

ego (lite) とは

ego (lite) はChromeエコシステムの深い部分に組み込まれています。Chromeと同じエンジンを使い、ブックマーク、拡張機能、ログイン済みセッションをすべてそのまま引き継ぎます。ブラウザの使い方を変える必要はなく、インストールすればすぐに使えます。

何より他と一線を画すのは、エージェントをネイティブにサポートしている点です。

• CLIベースではなくコードベースにすることで、複雑なタスクをより少ないトークンで高速に実行できます。 ego (lite) がエージェントに提供する機能は、エージェントが直接呼び出せるJavaScript関数としてラップされています。これにより、エージェントは得意なこと、つまりコードを書くことに集中し、複数ステップのタスクを1回の実行にまとめられます。「2つのコマンドを呼び出し、結果を確認し、さらに2つ呼び出す」というループに陥ることもありません。従来のCLI方式と比べ、複雑なワークフローは成功率を高めながら、20〜50%速く完了し、タスクごとのツール呼び出しも大幅に減ります。Vercelのagent-browserとの社内ベンチマークでも同じ傾向が見られ、ワークフローが難しくなるほど差が広がります。
• すべてのエージェントに専用のSpace。 ego (lite) は、各エージェントに完全に分離された専用のSpaceを割り当てます。あなたがブラウジングしている間も、エージェントはバックグラウンドで作業し、互いに邪魔しません。どのSpaceでエージェントが動いているかをいつでも確認でき、必要であれば操作を引き継いだり、停止したりできます。Chromeに接続するagent-browserツールを使ったことがあれば、ウィンドウやタブが次々に開く煩雑さをご存じでしょう。ego (lite) はその問題を根本から解消します。
• エージェントはSpace、つまり同じブラウザ内にある並列ワークスペースで、マルチタスクをこなします。 それぞれの Space には専用の AI エージェントやタスクが割り当てられ、すべて同時に動きます。Claude Code が10個の並列 Space で10件のリードを同時に精査し、Codex が別の5つの Space で5件の競合サイトをスクレイピングします。互いに干渉せず、あなたのタブを奪うこともありません。マウスも置いた場所にそのまま残ります。
• 市場最強のページSnapshot。 カーネルレベルのカスタマイズにより、ego (lite) は、テキストモデルがWebページを「見て」操作するために使う高品質なページSnapshotを生成します。深くネストされたiframeなど、他の方式では繰り返し失敗する難しいケースも安定して処理できます。
• どのエージェントでも操作できます: ego-browser. ego-browserは、あらゆるエージェントCLI（Claude Code、Codex、Cursor、独自CLI）と ego (lite)をつなぐ接続層です。ブラウザを、snapshot、fill、click、wait、navigate、captureといったページ内JavaScriptツールの集合として提供します。エージェントがこれらを呼び出すJavaScriptスニペットを書くと、ego-browserがページ上で一度に実行します。
• 使うほどエージェントが速くなる経験の蓄積機能（近日公開予定）。 エージェントがブラウザタスクに費やす時間の多くは試行錯誤です。ego (lite) の公式Skillは、成功した操作を再利用可能なツールやワークフローとして蓄積し、同様のタスクを次回以降は最大5倍速く実行できるようにします。詳しくは後ほど説明します。

ego (lite) を構築した理由

「GUIは死ぬのか」という問いには、私たちなりの見解があります: GUIはなくなりません。根本的に変わるのは、それを誰が用意するかです。今はどのプラットフォームも自前で作り込んだインターフェースを提供していますが、これからは、あなた専属のエージェントがその場でインターフェースを生成するようになります。

それは未来の話ですが、現実には、エージェントはすでに多くの実務をこなす必要があるのに、世界の方はまだそれに対応していません。APIもMCPも持たないサービスはまだたくさんあります。情報や機能はGUIの中に閉じ込められたまま、人間向けにパッケージ化されています。CodexやClaude Codeでリサーチをしたり、SaaSツールに依存する作業を進めたりしたことがあれば、これがどういうことか分かるはずです。結局エージェントは、ブラウザを開いてこの古い世界と向き合うしかないのです。

そのため、多くのエージェント製品がブラウザを自前で抱え込むようになっています。クライアントに簡易ブラウザを埋め込むものもあれば、既存のChromeに橋渡しする拡張機能を提供するものもあります。しかし、どれも十分にはうまくいきません。Chrome連携型は不安定で、ログイン状態が引き継がれることもあれば、引き継がれないこともあります。タブが理由もなく新しいウィンドウに飛び出し、画面表示ありとヘッドレスの切り替えも制御できなくなりがちです。埋め込み型は本物のブラウザではないため、少し複雑なことをさせるとすぐに破綻します。

これらすべてが不十分な理由は、もっと根本的なところにあります。 ブラウザは、そもそもエージェントのために設計されたものではありません。 Chromeのタブ、ウィンドウ、ナビゲーション、権限といった細部はすべて、人間のユーザーを前提に設計されています。自律的なエージェントがどう扱うかは誰も想定していませんでした。ブリッジ型ツールも組み込み型ツールも、もともとエージェントの居場所がないシステムに後付けされたパッチにすぎません。そこで問題が起きるのは当然の帰結です。

また、これらのツールのどれも、エージェント向けのブラウザが本来どうあるべきかを真剣に考えていません。ブラウザを過剰にラップしてエージェントには数個のCLIコマンドしか渡さず、エージェントが自力で組み立てられる能力を過小評価しているか、逆に生のプロトコルをそのまま公開して、ノイズだらけの情報をモデルに丸投げしているかのどちらかです。

だからこそ、私たちは ego (lite) を作りました。ブラウザを根本から考え直し、あなた、エージェント、Webを最もスムーズにつなぐ接点にしたかったのです。

ego (lite) の構築方法

コードを書く前に、私たちは「エージェントはブラウザとどのように対話すべきか」という1つの疑問を解決する必要がありました。

私たちは3つの層において、答えを出しました。

第一の層は「視覚と操作」です。エージェントは人間と同じようにページを「見て」、クリック・入力・スクロールを行います。これは、どんなブラウザもエージェントに提供すべき最低限の土台です。

第二の層は、ラップされたメソッド呼び出しです。よく使う操作の代表例がSnapshotですが、それらに整理された抽象化を与えました。あえて数を絞り、100個ものメソッドを積み上げることはしません。目指したのは、網羅性ではなく抽象化の鋭さです。

第三の層は、ブラウザの基盤機能への直接アクセスです。エージェントが本当に低レベルの制御を必要とするときのために用意されています。

この3層構造の狙いは、エージェントがタスクに合った層を選べることです。単純なクリックに生のプロトコル呼び出しは必要ありませんし、複雑なフローを無理に1つのCLIコマンドに押し込む必要もありません。

なぜPythonやシェルではなくJavaScriptなのか

Code over CLIはアーキテクチャ上の選択です。その中で、なぜPythonやShellではなくJavaScriptを使うのでしょうか？それを決めたのには、2つの理由があります。

1つ目の理由は認知負荷です。ego (lite)がページに注入するものは、すでにJavaScriptです。バックグラウンドのオーケストレーションコードが別の言語なら、エージェントはタスクのたびに2つの文脈の間で構文を切り替えなければなりません。これは極めて不要な負担です。タスク全体を1つの言語で統一すれば、エージェントは1つの思考モードに集中できます。

2つ目の理由は実行環境の安定性です。すべてのユーザーにPythonが入っているとも、同じように動作するシェルがあるとも限りません。ユーザー環境に依存せず、必要なランタイムを製品側で用意します。ブラウザ内のV8エンジンを再利用し、Node.jsの不要な部分を省いて、完全なNodeランタイムを ego (lite) に同梱しています。インストールサイズの増加はわずか6MBです。

ego (lite) の速度はどれくらいですか？

4つの複雑なブラウザ自動化タスクで、ego (lite)とVercelのagent-browserを比較しました。ego (lite)は大幅に少ないトークンで、各タスクを最大3.45倍速く完了しました。

タスクが難しくなるほど、その差は広がります。

違いを生んだ要因は、2つの設計判断です。1つ目は、先ほどの3層構造によるJavaScriptインタラクションです。エージェントはCLI呼び出しを1つずつ連鎖させる代わりに、1つのスニペットで多くの操作を一度に実行します。2つ目は、独自のChromiumエンジンの内部に組み込んだカーネルレベルのSnapshotです。これは、JavaScriptシムによるSnapshot取得では見落とされがちな、クロスオリジンiframeやShadow DOM、サードパーティSDKのウィジェットにも対応できます。

使えば使うほど速くなります（近日公開予定）

ego (lite)の公式Skillでは、経験を蓄積する仕組みを試験しています。成功したタスクは、ドメインごとの再利用可能なツールやワークフローに変換されます。次に似たタスクを実行するとき、エージェントはそれらを読み込み、試行錯誤を省けます。

理想を言えば、タスクを実行しながらエージェントが経験を記録できるのが一番です。実際、最初はそれを試しました。しかし、評価結果は芳しくありませんでした。タスク自体と経験の記録を同じ実行の中で両立させようとすると、成功率は下がり、実行も遅くなります。二兎を同時に追うと、どちらも中途半端になるのです。

そこで、処理を2つの段階に分けました。実行中はタスクに専念し、他には何もしません。タスクが終わると、別の蓄積フェーズに移り、そこで関連ドキュメントを読み込みながらツールと知見を積み上げていきます。この段階的なアプローチによって、目指していた高速化が実現しました。複雑なタスクでの社内テストでは、2回目以降の実行が最大 2.6倍高速 になり、初回実行よりトークン数も大幅に減りました。

UX にはまだ満足していません。タスク完了後、最終結果が届くまでに蓄積ステップの待ち時間が発生し、そこがまだスムーズではないのです。検討している方向性の一つは、蓄積処理をユーザーの手に委ねることです。タスク終了後に経験の記録を行うかどうかをユーザー自身が選べるようにすれば、強制的な待ち時間はなくなり、エージェントの育て方もユーザーがより細かくコントロールできるようになります。

現在も磨き込んでいる最中で、基準を満たす段階になると広く展開する予定です。

私たちの製品群における ego (lite) の役割はシンプルです。あなたとエージェントの両方が使えるブラウザ。それ以上でも、それ以下でもありません。

ego (lite) と既存ツールの違いは？

「ego」という名前の由来

現代のカルチャーは「自我を抑える」ことに大きく傾いています。意図はわかります。自己主張が強すぎれば、実際に他人を傷つけることもあるからです。しかし、この流れは行き過ぎてしまいました。自己抑制を美徳としてまとい、人を巨大な機械の歯車へとすり減らしていく、一種のレトリックになっているのです。

AIが担う仕事が増えていくほど、私たちはむしろ「自分」の価値が重要になると考えています。今こそ、自分自身の価値を見つめ直すときです。ツールが強力になるほど、それを使う人の判断力や個性、自分なりの考えの価値は高まっていきます。それらを抑えるのではなく、むしろ最大限に活かすべきです。

本当の危険は、コンピュータが人間のように考え始めることではなく、人間がコンピュータのように考え始めることだ。

そこで、 egoと名付けました。利己的になることを勧めているわけではありません。自分の直感やアイデンティティ、自分自身の判断力には、守るだけの価値があると考えたからです。

ego (lite)の「lite」は、これが egoのすべてではないことを表しています。完全版の egoには、パーソナルエージェント、クラウドのサンドボックス環境、ブラウザを超えたシステムレベルの機能、メモリシステムがあります。2つは別々の製品として提供しています。

試してみてください

現在、ego (lite)はmacOSで個人利用の場合、無料で利用できます。WindowsとLinuxもロードマップに含まれています。ブラウザ操作は私たちのサーバーではなく、あなた自身のエージェントが実行します。そのため、個人向けの ego (lite)を無料で提供できます。

• ダウンロード .dmg.

オンボーディングで尋ねるのは、「Chromeのデータを移行するか」だけです。あとはすべて自動で処理されます。

AI エージェントを実際のブラウザにつなぐことに苦労してきたなら、ぜひ ego (lite) を試してみてください。きっと期待を裏切らないでしょう。

最後にもう1つ。ego (lite)は、ページ内容を読み取るだけでなく、実際に操作できるブラウザ機能をエージェントに提供します。操作を任せるエージェントが、信頼できる提供元のものであることを必ず確認してください。