画面を見ながらWeb操作を進めるAIエージェントで、フォーム入力や検証を自動化できる。
#ブラウザ#自動操作
※この説明はAIが公式READMEから自動生成したものです。内容は必ず公式ページでもご確認ください。
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
自然文で「タスクを作成して」「この項目を上へドラッグして」と指示すると、画面を見て操作を考え、マウスやキーボードで実行する。Web作業の自動化、データ抽出、画面確認テストに使える。
誰に効く？
Web作業を繰り返す人
用意するもの
Node環境、ブラウザ、
時間のめやす
30分〜(AIに聞きながらで可)
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
重要操作は人の確認を挟むべき。
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。
このツールが活躍する場所