تعيد أتمتة المتصفح القائمة على الذكاء الاصطناعي (AI-native) تشكيل كيفية بناء المطورين لوكلاء (agents) يتفاعلون مع الويب. من خلال السماح للنماذج اللغوية الكبيرة (LLMs) بالاستنتاج عبر الصفحات بدلاً من الاعتماد على محددات CSS الهشة، فإن الحزمة الجديدة—Browser-Use وStagehand وSteel وPlaywright MCP—تضمن استمرار عمل البرامج النصية (scripts) حتى عند تغير المواقع.
لماذا تهم الأتمتة القائمة على الذكاء الاصطناعي
تقوم الأدوات التقليدية باستخراج البيانات (scraping) من الصفحة عن طريق تحديد العناصر باستخدام محددات ثابتة. أي إعادة تصميم للموقع تكسر البرنامج النصي، مما يضطر المطور لإعادة كتابته بتكلفة عالية. أما الوكلاء المدفوعون بالنماذج اللغوية الكبيرة (LLM-driven agents) فيقرؤون الصفحة، ويفهمون الغرض منها، ويقررون أي زر يجب النقر عليه، مما يجعلهم يصمدون أمام التغيرات في تخطيط المواقع.
أربعة مكونات في هذه الحزمة
| الأداة | اللغة الأساسية | الاستخدام الأمثل |
|---|---|---|
| Browser-Use | Python | الوكلاء الذين يتعاملون مع علامات تبويب متعددة ويحتاجون إلى استنتاج عميق |
| Stagehand | TypeScript | الفرق التي تريد استخراجاً موثوقاً مع التحقق من صحة المخطط (Zod) |
| Steel | خدمة سحابية مدارة | متصفحات سحابية بعيدة قابلة للتوسع، تدوير البروكسي (proxy rotation)، وجلسات مستمرة |
| Playwright MCP | خادم بروتوكول | مساعدو سطح المكتب الذين يحتاجون إلى وصول مباشر للمتصفح (مثل Claude Code وCursor) |
يحل كل مكون مشكلة مختلفة. يقوم Browser-Use بتشغيل حلقة الاستنتاج (reasoning loop) بإحكام. ويوفر Stagehand حزمة تطوير (SDK) ذات أنواع محددة تحول بيانات الصفحة الخام إلى كائنات مهيكلة. أما Steel فيقوم بتجريد الأجهزة (abstracts the hardware)، مما يمنحك أسطولاً من المتصفحات التي يمكنك تشغيلها عند الطلب. ويقوم Playwright MCP بترجمة إجراءات المتصفح إلى بروتوكول يمكن لأي عميل LLM استدعاؤه.
كيف تتكامل هذه المكونات معاً
فكر في وكيل الذكاء الاصطناعي كمنزل مكون من ثلاث طبقات:
- وقت تشغيل الوكيل (Agent runtime) – العقل. يقرر Browser-Use "ما يجب فعله بعد ذلك" ويستدعي الأدوات.
- حزمة تطوير الأتمتة (Automation SDK) – الأيدي. يوفر Stagehand أساسيات (النقر، الكتابة، الاستخراج) التي تعيد بيانات تتوافق مع مخططات Zod، مما يقلل الأخطاء اللاحقة.
- البنية التحتية السحابية – الجسد. يوفر Steel مثيلات المتصفح الفعلية، ويتعامل مع ميزات التخفي مثل تدوير البروكسي وجلسات تعريف الارتباط (session cookies).
- خادم البروتوكول – الأعصاب. يتيح Playwright MCP نفس "الأيدي" لأدوات سطح المكتب الخارجية، مما يسمح لبيئة تطوير (IDE) محلية بالتحكم في متصفح بعيد.
يمكنك الجمع بين هذه الطبقات. على سبيل المثال، يمكنك تشغيل حلقة وكيل Browser-Use فوق البنية التحتية السحابية لـ Steel.
حيل الكفاءة في الخلفية
إرسال مستند HTML كامل إلى نموذج لغوي كبير (LLM) هو أمر بطيء ومكلف. تقوم الحزم الحديثة بتقليل حجم البيانات المرسلة بثلاث طرق:
- DOM مُصفى – الاحتفاظ بالعقد التفاعلية فقط (الأزرار، الروابط) والتخلص من الباقي.
- لقطات إمكانية الوصول – استخدام شجرة ARIA، وهي تمثيل مضغوط لأدوار العناصر وتسمياتها.
- الرؤية (Vision) – تغذية النموذج بلقطة شاشة (screenshot) عندما تكون إشارات التخطيط ضرورية (مثل التمييز بين شريط التمرير "carousel" والشبكة الثابتة).
تقلل هذه الاختصارات من استهلاك الرموز (tokens)، وتحافظ على التكاليف، وتحافظ على الثراء الدلالي الذي يحتاجه الـ LLM للتصرف بذكاء.
اختيار الأداة المناسبة
| الموقف | الحزمة الموصى بها |
|---|---|
| بوابة شركات مستقرة، اختبار تراجع (regression testing) عالي الحجم | Playwright العادي – سريع، رخيص، وحتمي (deterministic) |
| وكيل مستقل يفتح علامات تبويب كثيرة، ويتبع الروابط، ويستنتج عبر الصفحات | Browser-Use + Steel – وقت تشغيل Python مع متصفحات سحابية |
| مساعد سطح مكتب يسمح للمستخدم بتحرير الكود بينما تجلب الأداة المستندات من الويب | Playwright MCP – يتيح إجراءات المتصفح كأدوات متوافقة مع LLM |
الخلاصة
الأتمتة القائمة على الذكاء الاصطناعي ليست بديلاً واحداً للأدوات الحالية؛ بل هي حزمة برمجية مجزأة (modular stack) تتيح للمطورين اختيار الطبقة التي تناسب احتياجاتهم. من خلال الجمع بين وقت تشغيل للاستنتاج مع حزمة تطوير (SDK) خفيفة، ومتصفحات قابلة للتوسع، وجسر بروتوكول، يمكنك بناء وكلاء يستمرون في العمل عندما يتغير الويب — دون استنزاف ميزانيتك.