AIネイティブなブラウザ自動化は、開発者がウェブと対話するエージェントを構築する方法を再定義しています。大規模言語モデル（LLM）に、壊れやすいCSSセレクターに頼るのではなく、ページの内容を推論させることで、Browser-Use、Stagehand、Steel、Playwright MCPといった新しいスタックは、サイトのデザインが変わってもスクリプトを実行し続けることができます。
なぜAIネイティブな自動化が重要なのか
従来のツールは、静的なセレクターで要素を特定することでページをスクレイピングします。デザインが変更されるとスクリプトが壊れ、コストのかかる書き直しが必要になります。LLM駆動のエージェントは、ページを読み取ってその目的を理解し、どのボタンをクリックすべきかを判断するため、レイアウトの変更にも耐えられます。
スタックを構成する4つの要素
| ツール | 主要言語 | 最適なユースケース |
|---|---|---|
| Browser-Use | Python | 多数のタブを操り、深い推論を必要とするエージェント |
| Stagehand | TypeScript | Zodによるスキーマ検証を用いた、信頼性の高いデータ抽出を求めるチーム |
| Steel | マネージド・クラウドサービス | スケーラブルなリモートブラウザ、プロキシのローテーション、セッションの永続化 |
| Playwright MCP | プロトコルサーバー | ブラウザへの直接アクセスを必要とするデスクトップアシスタント（例：Claude Code、Cursor） |
各コンポーネントは異なる課題を解決します。Browser-Useは推論ループを密接に実行します。Stagehandは、生のページデータを構造化されたオブジェクトに変換する型定義されたSDKを提供します。Steelはハードウェアを抽象化し、オンデマンドで起動できるブラウザ群を提供します。Playwright MCPは、ブラウザの操作をあらゆるLLMクライアントが呼び出せるプロトコルに変換します。
どのように組み合わさるのか
AIエージェントを3層構造の家（※原文では3層とありますが、以下4項目が挙げられています）として考えてみましょう：
- Agent runtime（エージェント・ランタイム） – 脳。Browser-Useが「次に何をすべきか」を決定し、ツールを呼び出します。
- Automation SDK（自動化SDK） – 手。Stagehandは、Zodスキーマに準拠したデータを返すプリミティブ（クリック、入力、抽出）を提供し、後続のプロセスでのエラーを削減します。
- Cloud infrastructure（クラウド・インフラストラクチャ） – 体。Steelは実際のブラウザインスタンスを提供し、プロキシのローテーションやセッションクッキーなどのステルス機能を処理します。
- Protocol server（プロトコルサーバー） – 神経。Playwright MCPは、同じ「手」を外部のデスクトップツールに公開し、ローカルのIDEからリモートブラウザを操作できるようにします。
これらのレイヤーを組み合わせることも可能です。例えば、Steelのクラウドインフラ上でBrowser-Useのエージェントループを実行するといった具合です。
内部で行われている効率化のテクニック
HTMLドキュメント全体をLLMに送信するのは、低速でコストもかかります。最新のスタックでは、以下の3つの方法でペイロードを削減しています：
- Filtered DOM（フィルタリングされたDOM） – インタラクティブなノード（ボタン、リンク）のみを保持し、それ以外を破棄します。
- Accessibility snapshots（アクセシビリティ・スナップショット） – 要素の役割やラベルをコンパクトに表現したARIAツリーを使用します。
- Vision（ビジョン） – レイアウトの手がかりが不可欠な場合（例：カルーセルと静的なグリッドの区別など）、スクリーンショットを視覚モデルに渡します。
これらのショートカットにより、トークン使用量を削減してコストを抑えつつ、LLMがインテリジェントに動作するために必要な意味的な豊かさを維持します。
ツールの選び方
| シチュエーション | 推奨スタック |
|---|---|
| 安定した企業ポータル、大量の回帰テスト | 通常のPlaywright – 高速、安価、決定論的 |
| 多数のタブを開き、リンクを辿り、ページ間で推論を行う自律型エージェント | Browser-Use + Steel – Pythonランタイムとクラウドブラウザ |
| ツールがウェブからドキュメントを取得している間に、ユーザーがコードを編集できるデスクトップアシスタント | Playwright MCP – ブラウザ操作をLLM互換のツールとして公開 |
まとめ
AIネイティブな自動化は、既存のツールの単なる置き換えではありません。開発者がニーズに合わせてレイヤーを選択できるモジュール式のスタックです。推論ランタイム、軽量なSDK、スケーラブルなブラウザ、そしてプロトコルブリッジを組み合わせることで、予算を膨らませることなく、ウェブの変化にも対応し続けるエージェントを構築できます。