എന്തുകൊണ്ടാണ് ഇപ്പോൾ ഒരു “browser-for-bots” പ്രധാനമാകുന്നത്

AI കമ്മ്യൂണിറ്റി ഇപ്പോൾ ചാറ്റ് മാത്രമുള്ള മോഡലുകളിൽ നിന്നും മാറി, വെബ്സൈറ്റുകൾ ബ്രൗസ് ചെയ്യാനും, ഫോമുകൾ പൂരിപ്പിക്കാനും, ഡാറ്റ സ്ക്രാപ്പ് ചെയ്യാനും, ലൈവ് സൈറ്റുകളിൽ ആക്ഷനുകൾ പ്രകടിപ്പിക്കാനും കഴിയുന്ന ഏജന്റുകളിലേക്ക് (agents) മാറിക്കൊണ്ടിരിക്കുകയാണ്. നിലവിലുള്ള headless ബ്രൗസറുകൾ—Puppeteer അല്ലെങ്കിൽ Playwright ഉപയോഗിച്ച് പ്രവർത്തിക്കുന്ന Chromium—മനുഷ്യർക്ക് വേണ്ടിയുള്ള ടെസ്റ്റിംഗിനായി നിർമ്മിച്ചവയാണ്, അവ ഒരു പൂർണ്ണ ഗ്രാഫിക്കൽ സ്റ്റാക്കിനെക്കൂടി കൂടെക്കരുതിയാണ് പ്രവർത്തിക്കുന്നത്.

സാങ്കേതിക അടിത്തറകൾ

Kitesurf എന്നത് ഒരു ബ്രൗസർ എഞ്ചിന്റെ ഏകീകൃതമായ പുനർനിർമ്മാണമല്ല. Cloudflare ഒരു മോഡുലാർ സ്റ്റാക്ക് (modular stack) ആണ് ഇതിനായി തയ്യാറാക്കിയിരിക്കുന്നത്:

  • Blitz കോർ റെൻഡറിംഗ് പൈപ്പ്‌ലൈൻ പ്രവർത്തിപ്പിക്കുന്നു.
  • Firefox-ൽ നിന്ന് കടമെടുത്ത Stylo, ഉയർന്ന വേഗതയിൽ CSS പാഴ്സ് ചെയ്യുന്നു.
  • Rust അടിസ്ഥാനമാക്കിയുള്ള ഒരു JavaScript എഞ്ചിനായ Boa JS, പേജ് സ്ക്രിപ്റ്റുകൾ പ്രവർത്തിപ്പിക്കുന്നു.
  • ഓപ്പൺ സോഴ്‌സ് Rust headless എഞ്ചിനായ Obscura ആണ് ഇതിന്റെ പ്രൂഫ്-ഓഫ്-കോൺസെപ്റ്റ് അടിത്തറ നൽകിയത്.

പന്ത്രണ്ട് ആഴ്ചകൾക്കുള്ളിൽ ഈ സംയുക്ത സംവിധാനം ഡസൻ കണക്കിന് വെബ് പ്ലാറ്റ്‌ഫോം ടെസ്റ്റുകളിൽ വിജയിച്ചു, കൂടാതെ ഓരോ ആഴ്ചയും നൂറുകണക്കിന് പുതിയ ടെസ്റ്റുകൾ ടീം ഇതിൽ കൂട്ടിച്ചേർക്കുന്നുണ്ട്. Wikipedia, Hacker News, TodoMVC, Cloudflare-ന്റെ സ്വന്തം ഡാഷ്‌ബോർഡ് തുടങ്ങിയ സങ്കീർണ്ണമായ സൈറ്റുകൾ യാതൊരു തടസ്സവുമില്ലാതെ ബ്രൗസർ റെൻഡർ ചെയ്യുന്നത് ഇന്റേണൽ ഡെമോകളിൽ കാണാൻ സാധിച്ചു.

ചെലവും പ്രകടനവും സംബന്ധിച്ച അവകാശവാദങ്ങൾ

സമാനമായ ഒരു Chromium headless സെഷനെ അപേക്ഷിച്ച് വളരെ കുറഞ്ഞ അളവിൽ മാത്രം CPU സൈക്കിളുകളും RAM-ഉം ആണ് Kitesurf ഉപയോഗിക്കുന്നതെന്ന് Cloudflare പറയുന്നു.

ഏജന്റ് യുഗത്തിലെ സുരക്ഷ

സ്വയം പ്രവർത്തിക്കുന്ന ഏജന്റുകൾ (Autonomous agents) പുതിയ രീതിയിലുള്ള സൈബർ ആക്രമണങ്ങൾക്ക് വഴിയൊരുക്കുന്നു. ഒരു ദുരുദ്ദേശ്യപരമായ വെബ് പേജ് ഏജന്റിന്റെ ലാംഗ്വേജ് മോഡൽ ഔട്ട്‌പുട്ടിനെ സ്വാധീനിക്കുന്ന 'Prompt injection' രീതി, പരമ്പരാഗത ഫിഷിംഗിൽ നിന്നോ മാൽവെയറുകളിൽ നിന്നോ വ്യത്യസ്തമാണ്.

ആർക്കൊക്കെ ഗുണമുണ്ടാകും, ആർക്കൊക്കെ നഷ്ടമുണ്ടാകാം

ഡെവലപ്പർമാർക്ക് ഒരു കസ്റ്റം Chromium ബിൽഡ് പരിപാലിക്കാതെ തന്നെ ഏജന്റുകളിൽ വെബ് ഇന്ററാക്ഷൻ ചേർക്കാൻ 'plug-and-play' രീതിയിൽ ഇത് സഹായിക്കുന്നു. കൂടാതെ, ഇതിന്റെ സെർവർലെസ് മോഡൽ ഉപയോഗിച്ച് Cloudflare-ന്റെ ഗ്ലോബൽ എഡ്ജ് (global edge) വഴി തടസ്സമില്ലാതെ സ്കെയിൽ ചെയ്യാനും വിതരണം ചെയ്യപ്പെട്ട ലക്ഷ്യസ്ഥാനങ്ങളിലേക്ക് കുറഞ്ഞ ലേറ്റൻസിയിൽ (latency) സേവനം എത്തിക്കാനും സാധിക്കും.

DNS, CDN അല്ലെങ്കിൽ സെക്യൂരിറ്റി സേവനങ്ങൾക്കായി നിലവിൽ Cloudflare ഉപയോഗിക്കുന്ന എന്റർപ്രൈസുകൾക്ക് ഇത് വളരെ എളുപ്പത്തിൽ സംയോജിപ്പിക്കാൻ സാധിക്കും. ഇത് വെണ്ടർമാരുടെ എണ്ണം കുറയ്ക്കാനും മികച്ച വില പാക്കേജുകളിൽ (pricing bundles) എത്തിച്ചേരാനും സഹായിച്ചേക്കാം.

നിലവിലുള്ള headless-browser വെണ്ടർമാർക്ക് ഇത് വലിയ വെല്ലുവിളിയായേക്കാം. Playwright പോലുള്ള ഓപ്പൺ സോഴ്‌സ് ടൂളുകൾ നിലവിൽ ക്ലൗഡ് പ്രൊവൈഡർമാരിൽ റിമോട്ട് എക്സിക്യൂഷൻ പിന്തുണയ്ക്കുന്നുണ്ട്; എന്നാൽ ബ്രൗസറിന്റെ പൂർണ്ണതയേക്കാൾ ചെലവിനാണ് മുൻഗണന നൽകുന്ന വർക്ക്ലോഡുകൾക്ക് Kitesurf-ന്റെ എഡ്ജ്-സെൻട്രിക് പ്രൈസിംഗ് കൂടുതൽ ലാഭകരമായേക്കാം.

ഉണ്ടായേക്കാവുന്ന പോരായ്മകൾ

  • ഫീച്ചറുകളുടെ സമഗ്രത (Feature parity): സങ്കീർണ്ണമായ ഏജന്റുകൾക്ക് ആവശ്യമായ ഏറ്റവും പുതിയ വെബ് സ്റ്റാൻഡേർഡുകൾ, എക്സ്റ്റൻഷനുകൾ, ഡീബഗ്ഗിംഗ് ടൂളുകൾ എന്നിവ Chromium പിന്തുണയ്ക്കുന്നുണ്ട്. Kitesurf-ന്റെ മോഡുലാർ സ്റ്റാക്ക് പല ടെസ്റ്റുകളിലും വിജയിക്കുന്നുണ്ടെങ്കിലും, പുതിയ API-കളിലോ പ്രത്യേക സാഹചര്യങ്ങളിലോ (edge-case) പിന്നിലായേക്കാം.
  • വെണ്ടർ ലോക്ക്-ഇൻ (Vendor lock-in): Workers-ൽ പ്രവർത്തിക്കുന്നത് ബ്രൗസറിനെ Cloudflare-ന്റെ പ്രൈസിംഗ് മോഡലിലും നെറ്റ്‌വർക്കിലും ബന്ധിപ്പിക്കുന്നു. മറ്റ് പ്ലാറ്റ്‌ഫോമുകളിൽ കമ്പ്യൂട്ട് ആവശ്യങ്ങൾ നടത്തുന്ന സ്ഥാപനങ്ങൾക്ക് ഇതിന് സമാന്തരമായ മറ്റ് പരിഹാരങ്ങൾ ആവശ്യമായി വരും.
  • സുതാര്യത: സുരക്ഷാ പരിഹാരങ്ങളും പ്രകടന സൂചകങ്ങളും (performance metrics) ഉയർന്ന തലത്തിലുള്ള അവകാശവാദങ്ങളായി മാത്രമാണ് നിലവിലുള്ളത്. പൊതുവായ ബെഞ്ച്മാർക്കുകൾ ഇല്ലാത്തതിനാൽ, പ്രൊഡക്ഷൻ വർക്ക്ലോഡുകൾ ഏൽക്കുന്നതിന് മുമ്പ് ഡെവലപ്പർമാർക്ക് സ്വന്തമായി പരീക്ഷണങ്ങൾ നടത്തേണ്ടി വന്നേക്കാം.

ഇനി ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങൾ

  • ബെഞ്ച്മാർക്ക് റിലീസുകൾ: Kitesurf, Chromium, മറ്റ് headless ഓപ്ഷനുകൾ എന്നിവയെ താരതമ്യം ചെയ്യുന്ന സ്വതന്ത്ര പ്രകടന പരിശോധനകൾ ഇതിന്റെ ചെലവ് കുറഞ്ഞ ഗുണം വ്യക്തമാക്കും.
  • ഫീച്ചർ റോഡ്മാപ്പ്: WebAssembly, പുതിയ JavaScript API-കൾ അല്ലെങ്കിൽ ഡീബഗ്ഗിംഗ് ഹുക്കുകൾ എന്നിവ ഉൾപ്പെടുത്തുന്ന അപ്‌ഡേറ്റുകൾ ലളിതമായ സ്ക്രാപ്പിംഗ് ജോലികൾക്ക് അപ്പുറത്തേക്ക് ഇതിന്റെ ഉപയോഗം വർദ്ധിപ്പിക്കും.
  • ഇക്കോസിസ്റ്റം സ്വീകാര്യത: ആദ്യകാല ഉപയോക്താക്കൾ—പ്രത്യേകിച്ച് AI പ്ലാറ്റ്‌ഫോം പ്രൊവൈഡർമാരും ഓട്ടോണമസ് ഏജന്റ് സ്റ്റാർട്ടപ്പുകളും—ഈ സേവനം യഥാർത്ഥ ലോകത്തെ വിശ്വാസ്യതയുടെ ആവശ്യങ്ങൾ നിറവേറ്റുന്നുണ്ടോ എന്ന് സൂചിപ്പിക്കും.

ചുരുക്കത്തിൽ

Kitesurf ഒരു യൂസർ ഇന്റർഫേസിന് പകരം ബ്രൗസറിനെ ഒരു ബാക്കെൻഡ് സർവീസായി പുനർനിർവചിക്കുന്നു. ഇത് പരമ്പരാഗത headless ബ്രൗസറുകളുടെ കമ്പ്യൂട്ട് ഭാരം കുറയ്ക്കുന്ന ഒരു സെർവർലെസ്, എഡ്ജ്-ഹോസ്റ്റഡ് ടൂൾ AI ഡെവലപ്പർമാർക്ക് നൽകുന്നു. ഇതിന്റെ കാര്യക്ഷമതയ്ക്കുള്ള അവകാശവാദങ്ങൾ ശരിയാണെങ്കിൽ, ഫീച്ചറുകളുടെ ആഴത്തിലും വെണ്ടർ ഡിപെൻഡൻസിയിലുമുള്ള വിട്ടുവീഴ്ചകൾ ഡെവലപ്പർമാർ അംഗീകരിച്ചാൽ, സ്വയം പ്രവർത്തിക്കുന്ന ഏജന്റുകൾ വെബുമായി സംവദിക്കുന്നതിനുള്ള ഡിഫോൾട്ട് രീതിയായി ഈ സേവനം മാറിയേക്കാം.