ブラウザの操作を、普通の言葉の指示で自動化する仕組みです。特徴は、ページの内部構造ではなく**画面の見た目を見て**判断すること。そのため、作りが特殊なサイトや、内部構造が頻繁に変わるサイトでも動きやすくなっています。動作の検証（テスト）にも使えます。
#ブラウザ#自動操作
ミロンドが自分で確かめたこと
- 2026年8月23日「配布元を見る」の行き先が、今も開けることを確認しました。
- 2026年8月14日利用ルールの原文（LICENSE）を読みました。特別な条件は書かれていませんでした。
- 2026年7月30日公式の説明を読んで、開発が止まったというサインが無いことを確認しました。
- 2026年8月25日ミロンドが毎日数えている記録では、この17日間で お気に入りが7件増えました（今も使われ続けています）。
ミロンドは掲載しているすべての行き先を定期的に開いて、今も使えるかを確かめています。 利用ルールは名前だけで判断せず、原文を読んで確認しています。
「ブラウザ自動化」12本の中での位置
- 作ったものを仕事に使ってよいと確認できているこの分野で12本
- 黒い画面（ターミナル）の操作が要りますそうでないものが1本 →
- APIキーの用意が要りますそうでないものが3本 →
- 入れた内容は公開元に送られますそうでないものが1本 →
この数字は、ミロンドが掲載している道具を1本ずつ同じ基準で調べた結果から数えています。
これは何？黒い画面（ターミナル）で動かすツール
できること
言葉での指示によるブラウザ操作／画面を見ての判断／情報の抜き出し／表示内容の検証（テスト）／の無いサービス同士の橋渡し
誰に効く？
Webの繰り返し作業を自動化したい開発者。ページ改修のたびに自動化が壊れて困っている人
用意するもの
コマンド入力とNode（プログラムの土台）が必要です。使うAIの鍵も要り、操作の回数に応じて費用がかかります。
時間のめやす
15〜30分(AIに聞きながらコピペ)
使うとこうなる
- 1プロジェクトを作ると→サンプルの自動操作スクリプトが用意される
- 2やりたい操作を文章で渡すと→ブラウザ上の手順を考える
- 3実行すると→クリック、入力、抽出、確認が行われる
作れるもの・できることの例
フォーム操作、Webアプリの確認テスト、画面からの情報抽出
使えるようになるまでの手順をひらく
- 「」という文字だけの画面を使います（Windowsなら PowerShell）
- GitHubページの「Installation」に書かれたコマンドを順番に実行
- つまずいたら、いつも使っているAIチャットに「(ツール名)のインストールを手伝って」と聞くのがおすすめ
こんな人には向かないかも
- 黒い画面（ターミナル）にまだ抵抗がある人
- 登録やAPIキーの設定を一切やりたくない人
🔑 必要な鍵（APIキー）— 下のどれか1社でOK
すでにどこかの鍵を持っていればそれが使えます。まだ無いなら Google（Gemini）が一番かんたんです。
Google（Gemini） の発行ページ↗Googleアカウントがあれば無料で即発行。無料枠も大きく、一番かんたん
OpenAI（ChatGPT） の発行ページ↗発行は無料。APIはChatGPT Plus（月額）とは別勘定で、使った分だけの課金。※Codex等の一部公式ツールは、キーの代わりにChatGPTの月額プランでログインして使える
Anthropic（Claude） の発行ページ↗発行は無料。APIは月額プランとは別勘定で、使った分だけの課金。※Claude Codeは月額プラン（Pro等）のログインでも使える
鍵は「合鍵」の文字列。発行→コピー→ツールの設定に貼り付け、の3手です。迷ったらAIチャットに「画面つきで教えて」と。
迷ったらこれ：いつも使っているAIチャット（ChatGPT・Claude・Geminiなど）にこのツールのGitHubリンクを貼って 「これを使いたい。私のPCでの始め方を一歩ずつ教えて」と頼むのが一番の近道です。
むずかしそう？ 同じジャンルで、もっと始めやすいのはこちら
注意点
自動でブラウザを操作する以上、対象サイトの規約を確認してください。自動アクセスを禁じているサイトは多く、ログインが要る場面では特に注意が必要です。購入や送信のような取り返しのつかない操作は、人の確認を挟む形にしてください。画面を見て判断する仕組みなので、扱う画面に個人情報が映っていれば、それも使っているAIサービスに送られます。はApache-2.0です。
ひとことメモ
として公開されています。内容は公式ページでもご確認ください。
やりたいことから探す
browser-agentについてよくある質問
- browser-agentは無料で使えますか？
- browser-agent自体は無料で使えますが、動かすのに外部AIのAPIキーが必要です。そのAI側の利用料は別にかかります（無料枠があるものもあります）。
- browser-agentを使うのに、インストールや専門知識は必要ですか？
- コマンド入力（黒い画面）での操作が必要です。手順どおりに文字を打ち込む作業に慣れていないと、導入でつまずきやすいツールです。
- browser-agentはスマホでも使えますか？
- スマホには対応していません。パソコンが必要です。
- browser-agentは仕事（商用）で使えますか？
- ライセンスは Apache-2.0 で、商用利用も認められています。ただし著作権表示を残すなどの条件が付くので、配布物に含める場合はライセンス本文を確認してください。
似ている道具との違い
同じ用途の道具と、使う前に効いてくる条件を並べました。
| 道具 | 黒い画面 | APIキー | 外部送信 | スマホ | 仕事に使える | 最終更新 |
|---|---|---|---|---|---|---|
| browser-agent（このページ） | 要る | 要る | あり | むずかしい | 可 | 2026年2月 |
| Nanobrowser | いらない | 要る | あり | むずかしい | 可 | 2026年8月 |
| Firecrawl | 要る | 要る | あり | 使える | 可 | 2026年8月 |
| browser-use | 要る | 要る | あり | むずかしい | 可 | 2026年8月 |
「外部送信あり」は、入力した内容がどこかのサーバーに送られることを指します。 社外に出せない資料を扱うときは「なし」を選んでください。
ブラウザ自動化のほかのツール
browser-agentが合わなかったときの、同じ用途の候補です。
Nanobrowser
AIがブラウザを操作して調べ物を代行する拡張機能
準備がいる・黒い画面（ターミナル）いらない
Firecrawl
WebサイトをAI用のきれいなデータに変える
準備がいる・黒い画面（ターミナル）が要る
browser-use
AIにブラウザを操作させる
準備がいる・黒い画面（ターミナル）が要る
Puppeteer
Google製のブラウザ自動操作の老舗
はじめやすい・黒い画面（ターミナル）が要る
Playwright
ブラウザ自動操作の定番エンジン
はじめやすい・黒い画面（ターミナル）が要る
Crawl4AI
AI用データ収集の人気クローラー
はじめやすい・黒い画面（ターミナル）が要る