BrowserUseが OpenAI のブラウザ操作ツールを追加。クラウドとローカルを統一的に扱える。
この記事のポイント
- ブラウザ操作を自動で担う
- Browser Use ActorをOpenAIに統合
- アップロードやダウンロードは未対応
数字で見る
この記事に出てくる数字
| デフォルトツール | 18 |
|---|
どこで使えるか
ブラウザ操作を自動化したい人向け。クラウドとローカルを統一的に扱える GitHub Releaseで公開済み browser-use[openai-tools]で利用可能
スポンサーリンク
解説
かみくだいて説明します
MagMuellerが十月十六日、ブラウザ操作を自動化するツール「browser-use」のバージョン0.13.12をGitHubで公開しました。OpenAIのモデルがウェブページを直接操作できる統合機能が加わり、18の標準的なブラウザツールと6つのオプション操作に対応します。
18個と6個の操作が使えるようになったんですね。では、開発者がこのツールを組み込むとき、必要な環境はどのようになりますか。
Pythonは3.31以上が必要です。OpenAIのライブラリも3.31以上に更新し、browser-use[openai-tools]という指定でインストールします。ローカルのブラウザだけでなく、Browser Use Cloudや既存のBrowserSessionも使えます。
既存のブラウザのセッションを引き継げるのは開発の手間が減りそうですね。では、組み込む際に現時点で使えない機能はありますか。
現時点ではファイルのアップロードやダウンロード、コンソールやネットワークの診断、それにBashでのコマンド実行はまだ提供されていません。ただし、OpenAIの3.xではhttpx2という通信の仕組みを使いますが、URLとタイムアウトの設定は2.xからそのまま引き継がれます。
設定が引き継がれるのは安心です。では、安定性はどのくらい確認されているんですか。
統合とモデルのテスト35件が通り、2件がスキップされています。OpenAI 2.26との互換性テスト15件も1件を除いて成功し、すべてのプルリクエストのチェックをクリアしました。クラウド上のナビゲーションと要素クリックのテストも、提供元の確認で正常に終了しています。
35件と15件が通ったんですね。では、このツールでウェブページ上のボタンを押すとき、具体的にどのような仕組みで要素を特定しているんですか。
画面の要素に自動で名前を付けて、その名前を指定して操作します。例えば新聞の一面の見出しを探すように、ページ内の特定の枠やボタンに識別子を割り当てる仕組みです。
見出しを探すように識別子を割り当てるんですね。では、この仕組みは開発者が自分で調整する部分もあるんですか。
識別子の割り当てはツール側が自動で行いますが、カスタムのHTTPクライアントを使う場合はOpenAIのDefaultAsyncHttpxClientを指定できます。それ以外の細かい設定は、現在のところマニュアルで調整する形になります。
自分でHTTPのやり取りを指定できるのは柔軟性が高いですね。では、今後追加が見込まれる機能はありますか。
今回の統合では、アップロードやダウンロード、範囲を絞った読み取り、コンソールやネットワークの診断、Bash操作にはまだ対応していません。
テスト結果から、この統合がどこまで使えるかが見えてきます
35件のテストが通り、OpenAI 2.xと3.xの両方で動いて、Cloudブラウザの後始末も確かめた。
出典
この記事のもとになった情報
- GitHub:0.13.12: OpenAI browser tools
- 公開日:2026-10-16
※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。