AI-நேட்டிவ் பிரவுசர் ஆட்டோமேஷன், இணையத்துடன் தொடர்பு கொள்ளும் ஏஜெண்டுகளை (agents) டெவலப்பர்கள் உருவாக்கும் முறையை மறுவடிவமைப்பு செய்து வருகிறது. உடையக்கூடிய CSS selectors-களை நம்பியிருப்பதை விட, பெரிய மொழி மாதிரிகள் (LLMs) பக்கங்களை பகுத்தறிய அனுமதிப்பதன் மூலம், Browser-Use, Stagehand, Steel மற்றும் Playwright MCP போன்ற புதிய தொழில்நுட்ப அடுக்குகள் (stack), இணையதளங்கள் மாறினாலும் ஸ்கிரிப்ட்கள் தொடர்ந்து இயங்குவதை உறுதி செய்கின்றன.

AI-நேட்டிவ் ஆட்டோமேஷன் ஏன் முக்கியமானது

பாரம்பரிய கருவிகள் நிலையான selectors மூலம் கூறுகளைக் கண்டறிந்து ஒரு பக்கத்தை ஸ்கிராப் (scrape) செய்கின்றன. ஒரு வடிவமைப்பு மாற்றம் (redesign) ஸ்கிரிப்டை உடைத்துவிடும், இதனால் மீண்டும் செலவு மிகுந்த மறுவேலை செய்ய வேண்டியிருக்கும். LLM-ஆல் இயக்கப்படும் ஏஜெண்டுகள் ஒரு பக்கத்தைப் படித்து, அதன் நோக்கத்தைப் புரிந்துகொண்டு, எந்த பொத்தானைக் கிளிக் செய்ய வேண்டும் என்று தீர்மானிக்கின்றன, எனவே வடிவமைப்பு மாற்றங்கள் ஏற்பட்டாலும் அவை தடையின்றி இயங்குகின்றன.

தொழில்நுட்ப அடுக்குகளின் நான்கு பகுதிகள்

கருவி முதன்மை மொழி சிறந்த பயன்பாடு
Browser-Use Python பல டேப்களைக் கையாண்டு ஆழமான பகுத்தறிவு தேவைப்படும் ஏஜெண்டுகள்
Stagehand TypeScript Zod போன்ற schema validation மூலம் நம்பகமான தரவுப் பிரித்தெடுப்பை விரும்பும் குழுக்கள்
Steel Managed cloud service அளவிடக்கூடிய (Scalable) ரிமோட் பிரவுசர்கள், proxy rotation, மற்றும் தொடர்ச்சியான செஷன்கள் (persistent sessions)
Playwright MCP Protocol server நேரடி பிரவுசர் அணுகல் தேவைப்படும் டெஸ்க்டாப் உதவியாளர்கள் (எ.கா., Claude Code, Cursor)

ஒவ்வொரு அங்கமும் ஒரு மாறுபட்ட சிக்கலைத் தீர்க்கிறது. Browser-Use பகுத்தறிவு சுழற்சியை (reasoning loop) மிகத் துல்லியமாக இயக்குகிறது. Stagehand, மூலப் பக்கத் தரவை (raw page data) கட்டமைக்கப்பட்ட பொருள்களாக (structured objects) மாற்றும் ஒரு typed SDK-ஐ வழங்குகிறது. Steel, வன்பொருளை (hardware) எளிமையாக்கி, தேவைப்படும்போது நீங்கள் பயன்படுத்தக்கூடிய பிரவுசர்களின் தொகுப்பை வழங்குகிறது. Playwright MCP, பிரவுசர் செயல்பாடுகளை எந்தவொரு LLM கிளையண்ட்டும் பயன்படுத்தக்கூடிய ஒரு புரோட்டோகாலாக (protocol) மாற்றுகிறது.

இவை எவ்வாறு ஒன்றிணைகின்றன

ஒரு AI ஏஜெண்டை மூன்று அடுக்குகள் கொண்ட ஒரு வீட்டாகக் கருதலாம்:

  1. Agent runtime – மூளை. Browser-Use "அடுத்து என்ன செய்ய வேண்டும்" என்பதைத் தீர்மானித்து கருவிகளை அழைக்கிறது.
  2. Automation SDK – கைகள். Stagehand, Zod schemas-க்கு இணங்கத் தரவைத் திருப்பித் தரும் primitives (click, type, extract) ஆகியவற்றை வழங்குகிறது, இது பிழைகளைக் குறைக்கிறது.
  3. Cloud infrastructure – உடல். Steel, proxy rotation மற்றும் session cookies போன்ற ரகசியத் தன்மையைக் காக்கும் அம்சங்களைக் கையாண்டு, உண்மையான பிரவுசர் இன்ஸ்டன்ஸ்களை வழங்குகிறது.
  4. Protocol server – நரம்புகள். Playwright MCP அதே கைகளை வெளிப்புற டெஸ்க்டாப் கருவிகளுக்குத் தெரியப்படுத்துகிறது, இதன் மூலம் ஒரு லோக்கல் IDE ஒரு ரிமோட் பிரவுசரை இயக்க அனுமதிக்கிறது.

நீங்கள் இந்த அடுக்குகளை ஒன்றிணைக்கலாம். உதாரணமாக, Steel-இன் கிளவுட் உள்கட்டமைப்பின் மேல் ஒரு Browser-Use ஏஜென்ட் சுழற்சியை இயக்கலாம்.

உள்ளே இருக்கும் செயல்திறன் நுணுக்கங்கள்

ஒரு முழுமையான HTML ஆவணத்தை LLM-க்கு அனுப்புவது மெதுவானது மற்றும் செலவு மிக்கது. நவீன தொழில்நுட்ப அடுக்குகள் மூன்று வழிகளில் தரவின் அளவைக் (payload) குறைக்கின்றன:

  • Filtered DOM – ஊடாடும் நோட்களை (interactive nodes - பொத்தான்கள், இணைப்புகள்) மட்டும் வைத்துக்கொண்டு, மற்றவற்றை நீக்குகிறது.
  • Accessibility snapshots – கூறின் பங்குகள் மற்றும் லேபிள்களின் சுருக்கமான பிரதிநிதித்துவமான ARIA tree-ஐப் பயன்படுத்துகிறது.
  • Vision – வடிவமைப்பு குறிப்புகள் அவசியமான போது (எ.கா., ஒரு கேரசல் மற்றும் நிலையான கிரிட் ஆகியவற்றைப் பிரித்தறிய), ஒரு ஸ்கிரீன்ஷாட்டை விஷுவல் மாடலுக்கு (visual model) வழங்குகிறது.

இந்த குறுக்குவழிகள் டோக்கன் பயன்பாட்டைக் குறைக்கின்றன, செலவைக் கட்டுக்குள் வைக்கின்றன, மேலும் ஒரு LLM புத்திசாலித்தனமாகச் செயல்படத் தேவையான அர்த்தமுள்ள செழுமையைப் (semantic richness) பாதுகாக்கின்றன.

சரியான கருவியைத் தேர்ந்தெடுப்பது

சூழல் பரிந்துரைக்கப்படும் அடுக்கு
நிலையான கார்ப்பரேட் போர்டல், அதிக அளவிலான ரிக்ரஷன் டெஸ்டிங் சாதாரண Playwright – வேகமானது, மலிவானது, துல்லியமானது
பல டேப்களைத் திறக்கும், இணைப்புகளைப் பின்பற்றும் மற்றும் பக்கங்களுக்கு இடையே பகுத்தறியும் தன்னாட்சி ஏஜென்ட் Browser-Use + Steel – கிளவுட் பிரவுசர்களுடன் கூடிய Python runtime
கருவி இணையத்திலிருந்து ஆவணங்களைப் பெறும்போது பயனர் குறியீட்டைத் திருத்த அனுமதிக்கும் டெஸ்க்டாப் உதவியாளர் Playwright MCP – பிரவுசர் செயல்பாடுகளை LLM-க்கு இணக்கமான கருவிகளாக வெளிப்படுத்துகிறது

முக்கியக் கருத்து

AI-நேட்டிவ் ஆட்டோமேஷன் என்பது ஏற்கனவே உள்ள கருவிகளுக்கு மாற்றாக வரும் ஒரு ஒற்றை கருவி அல்ல; இது டெவலப்பர்கள் தங்கள் தேவைகளுக்கு ஏற்ப அடுக்குகளைத் தேர்ந்தெடுக்கும் ஒரு மாடுலர் ஸ்டாக் (modular stack) ஆகும். ஒரு பகுத்தறிவு ரன்டைமை (reasoning runtime) ஒரு லீன் SDK, அளவிடக்கூடிய பிரவுசர்கள் மற்றும் ஒரு புரோட்டோகால் பிரிட்ஜுடன் இணைப்பதன் மூலம், இணையம் மாறினாலும் உங்கள் பட்ஜெட்டைத் தாண்டாமல் தொடர்ந்து இயங்கும் ஏஜெண்டுகளை நீங்கள் உருவாக்கலாம்.